CN111369176B - 一种基于python的水生态修复植物群落匹配方法及系统 - Google Patents

Abstract

本发明公开了一种基于python的水生态修复植物群落匹配方法及系统，包括：数据库识别与读取、阈值与条件的输入和解析、水生态修复效果分析、植物群落共生匹配分析、方案评分、生成生态修复工程植物材料表，本方法在目标导向前提下以阈值为核心分析指标，基于矩阵分析构建水生态修复植物与待修复水体之间的植物群落共生匹配算法，快速分析出多种符合阈值要求的植物群落匹配方案，并对方案建立评价指标体系，帮助水生态修复工程师找到最优匹配方案，为水生态修复设计中植物选取及群落匹配的科学性、全面性、专业性提供有力的技术支撑。

Description

一种基于python的水生态修复植物群落匹配方法及系统

技术领域

本发明涉及水生态修复领域，具体为一种基于python的水生态修复植物群落匹配方法及系统。

背景技术

传统的河道治理往往会改变河流生态环境的多样性，导致河流水质变差、功能退化，随着生态环境保护力度的加大，植物生态修复以其投资少、运行维护费用低、没有二次环境污染，且能够提升生态环境质量和景观效果的优点而日益受到人们青睐。

但是水生态修复植物品种数量众多、适应环境及修复水体功能各有不同，水生态修复工程师要结合不同流域水体的水深、流速、温度、污染物种类、超载倍数、植物修复能力、多样性等多种因素来优选植物种类，筛选与匹配工作需要有经验的水生态、水环境、水景观多专业的人员共同协作完成，不仅耗时长、工作量大而且选择品种易受主观经验影响。

通过系统创建数字量化的分析方法进行植物群落共生匹配，推动水生态修复治理的技术进步，是一项意义重大且十分迫切的任务。但是，目前有关理论及技术方法正在起步、探索阶段，尚未出现利用基于python的水生态修复植物群落匹配方法及系统的技术方案及应用。

发明内容

本发明的目的是提供一种基于python的水生态修复植物群落匹配方法及系统，该方法及系统基于植物水生态修复能力及植物共生群落的适应性规律，根据水体生态现状及期望的功能目标创建矩阵数据分析的算法，量化分析出最优水生态修复植物群落共生匹配方案，大幅减少人工筛选、匹配、评价的繁重工作与主观偏差，提高工作效率。

为了达到以上目的，本发明的技术方案是：一种基于python的水生态修复植物群落匹配方法,包括以下步骤：数据库识别与读取、阈值与条件的输入和解析、水生态修复效果分析、植物共生匹配分析、方案评分、生成生态修复工程植物材料表，具体步骤如下：

S1、自动识别与读取植物数据库，并根据需要导入待修复水体的监测断面水质数据；

S2、输入修复阈值和筛选条件，通过验证器和解析器将筛选条件格式化为植物数据库能够识别的规范关键字，所述验证器与解析器由python的validator库与自定义算法构成；

S3、根据水质数据与输入条件对植物数据库进行过滤，以修复阈值为核心分析指标，基于矩阵分析的方法，分析出可以使污染物超载倍数恢复到阈值水平的植物品种，并通过可视化列表显示植物品种、修复特征值与多样性指标；

S4、设定共生群落阈值，基于递归法从列表中匹配出植物种类和多样性指标符合阈值要求的植物品种集合，作为水生态修复植物群落匹配方案；

S5、基于逻辑回归算法对方案进行评分；

S6、根据工程师选中的方案，在CAD文件中自动生成生态修复工程植物材料表。

在步骤S1中，遍历指定地址中Mydata.*文件，通过函数识别文件类型，自动选择与文件类型相对应的方法进行读取并作为植物数据库；水生态修复工程师导入待修复水体的监测断面水质数据，作为水体特征数据；所述植物数据库中包含：植被区划表、植物品种、生活方式、高度、适宜水深、适宜温度、适宜pH值、净化物质、相对修复系数；所述水体特征数据包含：水体名称、所在区域、主要污染物、超载倍数、水深、温度范围、pH值、流速。

在步骤S2中，所述修复阈值为水生态修复工程师期望通过修复使水体污染物超载倍数降低到某个数值，用V₀表示，V₀是必要的输入要素，也是步骤S3的核心分析指标；所述筛选条件只作为辅助要素，用于根据工程师的需要缩小匹配范围，筛选条件与植物数据库条目一一对应，通过验证器和解析器限制错误的输入并将模糊输入和范围输入格式化为规范关键字，提高输入容错率和分析准确度。

在步骤S3中，滤除植物数据库中不符合水体特征数据和输入条件的植物品种，水体特征数据中用于数据库过滤的分析指标为：所在区域、主要污染物、水深、温度范围、pH值、流速；随后基于python的numpy模块构建m×n的矩阵A，矩阵的元素为α_ij，其中，行坐标i表示植物品种，最大值m为滤除后的植物品种总数，列坐标j表示水体特征数据中的污染物种类，最大值n为污染物种类总数；先通过修复阈值V₀与污染物超载倍数V_j构建每列水体污染物的修复特征值T(j)，计算公式为：

其中0≤V₀≤V_j，当水体存在n种污染物时，则该水体存在n个修复特征值；之后通过公式α_ij＝Ρ_ij-T(j)计算矩阵中每个元素的值，所述Ρ_ij为第i行植物对第j列污染物的相对修复系数，数值范围在0到1之间，表示修复能力由弱至强；当第i行存在任意一个元素α_ij(j∈1,2,3…n)≥0时，则Ρ_ij视为达标，并将第i行的植物品种加入到可视化列表中作为备选植物，修复分析结束后可视化列表会显示出所有备选植物的植物品种、生活方式、达标的相对修复系数Ρr_ij及列表中全部植物的品种总数R和多样性指数D，D表示列表中植物生活方式种类的总数，同时以矩阵的形式存储上述数据，即矩阵B。

在步骤S4中，水生态修复工程师以S3中的可视化列表数据为参考，设定共生群落阈值R₀与[D₀]，所述S₀表示工程师期望方案中包含的植物品种的总数且R₀须小于等于R，所述[D₀]表示期望共生群落中植物多样性指数所在的区间范围且[D₀]与集合{1,2…D}须有交集；基于矩阵B，通过递归法列出元素数量等于R₀且多样性指数符合[D₀]的共生植物群落集合，并滤除元素所含全部达标相对修复系数对应的污染物种类总和不能涵盖所有水体污染物的集合，余下的集合Q_i＝1,2...L即为分析出的L个匹配方案；

在步骤S5中，通过公式S_i＝S_i修复+S_i多样性计算方案Q_i的综合相对评分值，直观呈现方案的优劣，便于水生态修复工程师在不同方案之间进行比选；所述S_i修复为方案Q_i的相对修复评分值，计算方法为：分析出方案Q_i中每种污染物的最大相对修复系数max(Ρr_ij)，将水体中对应污染物的修复特征值max(Ρr_ij)与T(j)的差值加上偏移量δ作为指数，基于逻辑回归算法建立模型，通过公式

计算方案Q_i的单项相对修复评分值，基于污染物种类j∈1,2,3…n进行加权后取平均值并保留两位小数得到Q_i的相对修复评分值S_i修复，其中max(Ρr_ij)-T(j)的最大值为1，因水体修复的重要性，使δ等于0.0986，令S_i修复的最大权重为75％；所述S_i共生为方案Q_i的相对共生多样性评分值，由剩余25％的权重按照Q_i中植物多样性指标d_i与步骤S3列表中多样性指标D的比例分配计算得到，计算公式为:

在步骤S6中，若CAD已开启，则在最近打开的CAD文件中生成生态修复工程植物材料表，若CAD未开启，则创建一个dwg文件，并开启CAD在dwg文件中生成材料表。

—种基于python的水生态修复植物群落匹配系统，至少包括：

数据库处理单元，用于数据库和数据源的识别、读取与解析；

数据输入单元，用于阈值与条件的输入与数据格式化；

逻辑处理单元，用于创建算法和数据分析，完成数据库过滤、构建矩阵模型进行分析、方案评分的步骤。

所述系统还包括输出单元，用于连接AUTOCAD，根据工程师选择的方案在CAD文件中自动生成生态修复工程植物材料表。

工程师可以根据项目的要求导入最新的监测断面水质数据并输入修复阈值，而且可视化列表数据可以为共生群落阈值的设定提供参考，增加了数据的时效性、针对性与可靠性，提高匹配的准确率；逻辑处理单元基于python的numpy模块构建矩阵模型并处理庞大的数据分析与运算，numpy模块支持大量的维度数组与矩阵运算，提高运算效率，节省系统空间。

本发明的有益效果是：改变了传统人工凭主观经验进行水生态修复植物群落匹配的方法，本发明基于python创建高效、准确的矩阵数据算法和客观的评分方法，为工程师提供经数字量化的最优匹配方案，大幅减少人工筛选、匹配、统计的繁重工作与主观偏差，为水生态修复设计中植物群落匹配的科学性、全面性、专业性提供有力的技术支撑。

附图说明

图1为本发明方法的实现流程图。

图2为本发明系统的结构原理图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

如图1所示，本发明的基于python的水生态修复植物群落匹配方法,包括以下步骤：

S1、自动识别与读取植物数据库，并根据需要导入待修复水体的监测断面水质数据；

S2、输入修复阈值和筛选条件，通过验证器和解析器将筛选条件格式化为植物数据库能够识别的规范关键字；

S3、根据水质数据与输入条件对植物数据库进行过滤，以修复阈值为核心分析指标，基于矩阵分析的方法，分析出可以使污染物超载倍数恢复到阈值水平的植物品种，并通过可视化列表显示植物品种、修复特征值与多样性指标；

S4、设定共生群落阈值，基于递归法从列表中匹配出植物种类和多样性指标符合阈值要求的植物品种集合，作为水生态修复植物群落匹配方案；

S5、基于逻辑回归算法对方案进行评分；

S6、根据工程师选中的方案，在CAD文件中自动生成生态修复工程植物材料表。

进一步的，在步骤S1中，遍历指定地址中Mydata.*文件，通过函数识别文件类型，自动选择与文件类型相对应的方法进行读取并作为植物数据库；水生态修复工程师导入待修复水体的监测断面水质数据，作为水体特征数据；所述植物数据库中包含：植被区划表、植物品种、生活方式、高度、适宜水深、适宜温度、适宜pH值、净化物质、相对修复系数；所述水体特征数据包含：水体名称、所在区域、主要污染物、超载倍数、水深、温度范围、pH值、流速。

进一步的，在步骤S2中，所述修复阈值为水生态修复工程师期望通过修复使水体污染物超载倍数降低到某个数值，用V₀表示，V₀是必要的输入要素，也是步骤S3的核心分析指标；所述筛选条件只作为辅助要素，用于根据工程师的需要缩小匹配范围，筛选条件与植物数据库条目一一对应，本方法通过验证器和解析器限制错误的输入并将模糊输入和范围输入格式化为规范关键字，提高输入容错率和分析准确度，所述验证器与解析器由python的validator库与自定义算法构成。

进一步的，在步骤S3中，滤除植物数据库中不符合水体特征数据和输入条件的植物品种，水体特征数据中用于数据库过滤的分析指标为：所在区域、主要污染物、水深、温度范围、pH值、流速；随后基于python的numpy模块构建m×n的矩阵A，矩阵的元素为α_ij，其中，行坐标i表示植物品种，最大值m为滤除后的植物品种总数，列坐标j表示水体特征数据中的污染物种类，最大值n为污染物种类总数；先通过修复阈值V₀与污染物超载倍数V_j构建每列水体污染物的修复特征值T(j)，计算公式为：

其中0≤V₀≤V_j，当水体存在n种污染物时，则该水体存在n个修复特征值；之后通过公式α_ij＝Ρ_ij-T(j)计算矩阵中每个元素的值，所述Ρ_ij为第i行植物对第j列污染物的相对修复系数，数值范围在0到1之间，表示修复能力由弱至强；当第i行存在任意一个元素α_ij(j∈1,2,3…n)≥0时，Ρ_ij视为达标，并将第i行的植物品种加入到可视化列表中作为备选植物，修复分析结束后可视化列表会显示出所有备选植物的植物品种、生活方式、达标的相对修复系数Ρr_ij及列表中全部植物的品种总数R和多样性指数D，D表示列表中植物生活方式种类的总数，同时以矩阵的形式存储上述数据，即矩阵B。

进一步的，在步骤S4中，水生态修复工程师以S3中的可视化列表数据为参考，设定共生群落阈值R₀与[D₀]，所述S₀表示工程师期望方案中包含的植物品种的总数且R₀须小于等于R，所述[D₀]表示期望共生群落中植物多样性指数所在的区间范围且[D₀]与集合{1,2…D}须有交集；基于矩阵B，通过递归法列出元素数量等于R₀且多样性指数符合[D₀]的共生植物群落集合，并滤除元素所含全部达标相对修复系数对应的污染物种类总和不能涵盖所有水体污染物的集合，余下的集合Q_i＝1,2...L即为分析出的L个匹配方案。

进一步的，在步骤S5中，通过公式S_i＝S_i修复+S_i多样性计算方案Q_i的综合相对评分值，直观呈现方案的优劣，便于水生态修复工程师在不同方案之间进行比选；所述S_i修复为方案Q_i的相对修复评分值，计算方法为：分析出方案Q_i中每种污染物的最大相对修复系数max(Ρr_ij)，将水体中对应污染物的修复特征值max(Ρr_ij)与T(j)的差值加上偏移量δ作为指数，基于逻辑回归算法建立模型，通过公式

计算方案Q_i的单项相对修复评分值，基于污染物种类j∈1,2,3…n进行加权后取平均值并保留两位小数得到Q_i的相对修复评分值S_i修复，其中max(Ρr_ij)-T(j)的最大值为1，因水体修复的重要性，使δ约等于0.0986，令S_i修复的最大权重为75％；所述S_i共生为方案Q_i的相对共生多样性评分值，由剩余25％的权重按照Q_i中植物多样性指标d_i与步骤S3列表中多样性指标D的比例分配计算得到，计算公式为:/>

进一步的，在步骤S6中，若CAD已开启，则在最近打开的CAD文件中生成生态修复工程植物材料表，若CAD未开启，则创建一个dwg文件，并开启CAD在dwg文件中生成材料表。

如图2所示，本发明还提供了—种基于python的水生态修复植物群落匹配系统，至少包括：

数据库处理单元，用于数据库和数据源的识别、读取与解析；

数据输入单元，用于阈值与条件的输入与数据格式化；

逻辑处理单元，用于创建算法和数据分析，完成数据库过滤、构建矩阵模型进行分析、方案评分的步骤；

进一步的，上述系统还包括：输出单元，用于连接AUTOCAD，根据工程师选择的方案在CAD文件中自动生成生态修复工程植物材料表。

进一步的，在上述系统中，工程师可以根据项目的要求导入最新的监测断面水质数据并输入修复阈值，而且可视化列表数据可以为共生群落阈值的设定提供参考，增加了数据的时效性、针对性与可靠性，大幅提高匹配的准确率。

进一步的，在上述系统中，逻辑处理单元基于python的numpy模块构建矩阵模型并处理庞大的数据分析与运算，numpy模块支持大量的维度数组与矩阵运算，大幅提高运算效率，节省系统空间。

实施例

本发明提供一种基于python的水生态修复植物群落匹配方法，如图1所示包括如下步骤：

S1、遍历指定地址Mydata.*文件，识别Mydata.xlsx文件类型，调用python的xlwings模块对文件进行读取和解析并作为植物数据库，并由水生态修复工程师导入天津潮白新河某区域监测断面水质数据作为水体特征数据。

S2、工程师输入修复阈值V₀＝0，表示期望将水体修复到超载倍数为0的状态。

S3、滤除植物数据库中不符合水体特征数据植物品种，基于python的numpy模块构建m×n的矩阵A，m为植物数据库过滤后保留的植物品种总数，n＝2，分别表示该水体的主要污染物：氨氮、COD；通过公式：

计算水体污染物的修复特征值。根据水体特征数据，目前氨氮和COD的超载倍数分别为V₁＝0.5和V₂＝0.04，代入公式得到T(1)＝0.39，T(2)＝0.04；其中第1行植物为芦苇，其对氨氮和COD的相对修复系数分别为Ρ₁₁＝0.45，Ρ₁₂＝0.6，带入公式α_ij＝Ρ_ij-T(j)后得到α₁₁＝0.06，α₁₂＝0.56，符合存在任意一个元素α_ij(j∈1,2,3…n)≥0，所以将芦苇加入到可视化列表中，此时列表中的信息为：[芦苇,挺水植物,[0.45,0.6]]，用同样的方法，共分析出包括芦苇、香蒲在内的10种植物，生活方式包含：挺水、沉水、漂浮共3种，故植物品种总数R＝10，多样性指数D＝3，并通过矩阵B存储列表中的数据。

S4、水生态修复工程师以S3的可视化列表数据为参考，设定共生群落阈值R₀＝6，D₀＝3，表示期望方案中包含的植物品种数量为6，多样性指标为3，其中R₀≤11且D₀与集合{1,2,3}存在交集，说明共生群落阈值设置合理。之后基于矩阵B，通过递归法列出元素数量等于6且多样性指数等于3的共生植物群落集合，并滤除元素所含全部达标相对修复系数对应的污染物种类总和不能涵盖所有水体污染物的集合，余下的集合：Q₁{芦苇,香蒲,荇菜,紫萍,马来眼子菜,黑藻}、Q₂{香蒲,小香蒲,芦苇,水蓼,紫萍,马来眼子菜}、Q₃{水葱,水蓼,芦苇,荇菜,金鱼藻,马来眼子菜}即为分析出的3个植物群落匹配方案。

S5、计算方案的评分：

方案Q₁中max(Ρr₁₁)＝0.8，max(Ρr₁₂)＝0.6，分别带入公式

加权后取平均值，保留两位有效小数得到S_1修复＝60.06；将D₀＝3，D＝3带入公式ROUND/>

得到S_1多样性＝25.00，故S₁＝S_1修复+S_1多样性＝85.06；

方案Q₂中max(Ρr₂₁)＝0.5，max(Ρr₂₂)＝0.5，用同样的方法得到S₂＝80.20；

方案Q₃中max(Ρr₃₁)＝0.6，max(Ρr₃₂)＝0.7，用同样的方法得到S₃＝83.86；

评分结果直观的呈现出方案Q₁的综合效果最佳，水生态工程师可以此作为方案选择的参考依据。

S6、创建dwg文件，并开启AUTOCAD程序，根据工程师选中的方案在dwg文件中自动生成生态修复工程植物材料表。

如图2所示，本发明还提供一种基于python的水生态修复植物群落选取及匹配系统，包括：

数据库处理单元，用于数据库和数据源的识别、读取与解析。

数据输入单元，用于阈值与条件的输入与数据格式化，提供手工录入、精确选取、联想式选取、可视化复选4种输入方式，既可以进行精确的选取也可以进行模糊的范围输入，为水生态修复工程师提供了宽泛的输入环境，增加系统容错率。

逻辑处理单元，用于创建算法与数据分析，实现数据库过滤、矩阵模型构建与分析和方案评分，上述3个功能模块的算法代码各自独立，只按顺序调用其他功能模块封装好的数据，结构互不影响，增强系统的稳定性。

输出单元，创建了一个pyautocad.api.Autocad对象，若CAD已开启，则该对象连接当前打开的CAD文件，并生成生态修复工程植物材料表，若CAD未开启，则创建一个dwg文件，并开启CAD在dwg文件中生成材料表。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。

Claims (8)

1.一种基于python的水生态修复植物群落匹配方法,其特征在于，包括以下步骤：数据库识别与读取、阈值与条件的输入和解析、水生态修复效果分析、植物共生匹配分析、方案评分、生成生态修复工程植物材料表，具体步骤如下：

S1、自动识别与读取植物数据库，并根据需要导入待修复水体的监测断面水质数据；

S2、输入修复阈值和筛选条件，通过验证器和解析器将筛选条件格式化为植物数据库能够识别的规范关键字，所述验证器与解析器由python的validator库与自定义算法构成；

S3、根据水质数据与输入条件对植物数据库进行过滤，以修复阈值为核心分析指标，基于矩阵分析的方法，分析出可以使污染物超载倍数恢复到阈值水平的植物品种，并通过可视化列表显示植物品种、修复特征值与多样性指标；具体包括

滤除植物数据库中不符合水体特征数据和输入条件的植物品种，水体特征数据中用于数据库过滤的分析指标为：所在区域、主要污染物、水深、温度范围、pH值和流速；随后基于python的numpy模块构建m×n的矩阵A，矩阵的元素为α_ij，其中，行坐标i表示植物品种，最大值m为滤除后的植物品种总数，列坐标j表示水体特征数据中的污染物种类，最大值n为污染物种类总数；先通过修复阈值V₀与污染物超载倍数V_j构建每列水体污染物的修复特征值T(j)，计算公式为：

其中0≤V₀≤V_j，当水体存在n种污染物时，则该水体存在n个修复特征值；之后通过公式α_ij＝Ρ_ij-T(j)计算矩阵中每个元素的值，所述Ρ_ij为第i行植物对第j列污染物的相对修复系数，数值范围在0到1之间，表示修复能力由弱至强；当第i行存在任意一个元素α_ij(j∈1,2,3…n)≥0时，则Ρ_ij视为达标，并将第i行的植物品种加入到可视化列表中作为备选植物，修复分析结束后可视化列表会显示出所有备选植物的植物品种、生活方式、达标的相对修复系数Ρr_ij及列表中全部植物的品种总数R和多样性指数D，D表示列表中植物生活方式种类的总数，同时以矩阵的形式存储上述数据，即矩阵B；

S4、设定共生群落阈值，基于递归法从列表中匹配出植物种类和多样性指标符合阈值要求的植物品种集合，作为水生态修复植物群落匹配方案；

S5、基于逻辑回归算法对方案进行评分

通过公式S_i＝S_i修复+S_i多样性计算方案Q_i的综合相对评分值，直观呈现方案的优劣，便于水生态修复工程师在不同方案之间进行比选；所述S_i修复为方案Q_i的相对修复评分值，计算方法为：分析出方案Q_i中每种污染物的最大相对修复系数max(Ρr_ij)，将水体中对应污染物的修复特征值max(Ρr_ij)与T(j)的差值加上偏移量δ作为指数，基于逻辑回归算法建立模型，通过公式

计算方案Q_i的单项相对修复评分值，基于污染物种类j∈1,2,3…n进行加权后取平均值并保留两位小数得到Q_i的相对修复评分值S_i修复，其中max(Ρr_ij)-T(j)的最大值为1，因水体修复的重要性，使δ等于0.0986，令S_i修复的最大权重为75％；所述S_i共生为方案Q_i的相对共生多样性评分值，由剩余25％的权重按照Q_i中植物多样性指标d_i与步骤S3列表中多样性指标D的比例分配计算得到，计算公式为:

S6、根据工程师选中的方案，在CAD文件中自动生成生态修复工程植物材料表。

2.根据权利要求1所述基于python的水生态修复植物群落匹配方法,其特征在于，在步骤S1中，遍历指定地址中Mydata.*文件，通过函数识别文件类型，自动选择与文件类型相对应的方法进行读取并作为植物数据库；水生态修复工程师导入待修复水体的监测断面水质数据，作为水体特征数据；所述植物数据库中包含：植被区划表、植物品种、生活方式、高度、适宜水深、适宜温度、适宜pH值、净化物质和相对修复系数；所述水体特征数据包含：水体名称、所在区域、主要污染物、超载倍数、水深、温度范围、pH值和流速。

3.根据权利要求1所述基于python的水生态修复植物群落匹配方法,其特征在于，在步骤S2中，所述修复阈值为水生态修复工程师期望通过修复使水体污染物超载倍数降低到某个数值，用V₀表示，V₀是必要的输入要素，也是步骤S3的核心分析指标；所述筛选条件只作为辅助要素，用于根据工程师的需要缩小匹配范围，筛选条件与植物数据库条目一一对应，通过验证器和解析器限制错误的输入并将模糊输入和范围输入格式化为规范关键字，提高输入容错率和分析准确度。

4.根据权利要求1所述基于python的水生态修复植物群落匹配方法,其特征在于，在步骤S4中，水生态修复工程师以S3中的可视化列表数据为参考，设定共生群落阈值R₀与[D₀]，所述R₀表示工程师期望方案中包含的植物品种的总数且R₀须小于等于R，所述[D₀]表示期望共生群落中植物多样性指数所在的区间范围且[D₀]与集合{1,2...D}须有交集；基于矩阵B，通过递归法列出元素数量等于R₀且多样性指数符合[D₀]的共生植物群落集合，并滤除元素所含全部达标相对修复系数对应的污染物种类总和不能涵盖所有水体污染物的集合，余下的集合Q_i＝1,2...L即为分析出的L个匹配方案。

5.根据权利要求1所述基于python的水生态修复植物群落匹配方法,其特征在于，在步骤S6中，若CAD已开启，则在最近打开的CAD文件中生成生态修复工程植物材料表，若CAD未开启，则创建一个dwg文件，并开启CAD在dwg文件中生成材料表。

6.一种采用权利要求1-5任一项所述方法的基于python的水生态修复植物群落匹配系统，其特征在于，至少包括：

数据库处理单元，用于数据库和数据源的识别、读取与解析；

数据输入单元，用于阈值与条件的输入与数据格式化；

逻辑处理单元，用于创建算法和数据分析，完成数据库过滤、构建矩阵模型进行分析、方案评分的步骤。

7.根据权利要求6所述基于python的水生态修复植物群落匹配系统，其特征在于，所述系统还包括输出单元，用于连接AUTOCAD，根据工程师选择的方案在CAD文件中自动生成生态修复工程植物材料表。

8.根据权利要求7所述基于python的水生态修复植物群落匹配系统，其特征在于，工程师可以根据项目的要求导入最新的监测断面水质数据并输入修复阈值，而且可视化列表数据可以为共生群落阈值的设定提供参考，增加了数据的时效性、针对性与可靠性，提高匹配的准确率；逻辑处理单元基于python的numpy模块构建矩阵模型并处理庞大的数据分析与运算，numpy模块支持大量的维度数组与矩阵运算，提高运算效率，节省系统空间。

Images