CN113269384A - 一种对河流系统健康状态进行预警的方法 - Google Patents
一种对河流系统健康状态进行预警的方法 Download PDFInfo
- Publication number
- CN113269384A CN113269384A CN202110219123.4A CN202110219123A CN113269384A CN 113269384 A CN113269384 A CN 113269384A CN 202110219123 A CN202110219123 A CN 202110219123A CN 113269384 A CN113269384 A CN 113269384A
- Authority
- CN
- China
- Prior art keywords
- health
- warning
- alarm
- index
- river
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种对河流系统健康状态进行预警的方法。该方法通过构建河流系统健康警兆指标体系、河流系统健康警情指标与各警兆指标的警度与警限并设置相应的预警信号系统,对河流系统健康进行评估并发出相应预警信号;然后在构建河流系统健康警源指标体系的基础上,对影响河流系统健康的警源进行查证分析;最后通过对各警兆指标分别进行预测并结合河流系统的健康评估和预警信号系统,对河流系统未来一定时间内的健康状况进行预警分析。本发明综合考虑了在一个河流系统中人类及其自身发展水平、人类的社会活动与河流自然生态环境之间的相互作用、相互影响,使得计算结果更加符合实际情况。
Description
技术领域
本发明涉及水利工程建设与管理技术研究领域,具体为河流系统健康状态预警的方 法。
背景技术
随着人类社会经济和科学技术水平飞速发展,人类活动对河流的影响以及改造的范 围和强度都日益加剧,严重的甚至已经超越了河流生态系统自身的调节能力,造成河流生态系统的退化或崩溃。为了更好地维护河流的可持续发展、促进人水和谐,人们提出 了河流健康的理念,并利用不同的方法对河流的健康状态进行评估。河流健康的评估方 法主要有三种:一是以水质的好坏程度来判断河流的健康程度;二是通过对河流生态环 境中某些代表性生物的评价来描述河流的健康程度;三是通过建立河流健康的评价指标 体系,然后利用数学方法建立评价模型对河流的健康状况进行评估,这也是目前大部分 河流健康评价的方法。杨文慧还进一步提出了利用主因分析模型对诱发河流病变的因素 进行定量的查证分析。
目前,对河流健康的评估绝大多数采用的都是多指标的综合评价法。该方法一般是 根据事先设定的评价标准对能够代表河流特征的一系列指标进行打分评判,然后通过一 定的数学算法构建评价模型,利用评价模型的计算结果作为评价河流健康状况的依据。最初构建的河流健康综合评价指标体系,大多数是从河流的生物、化学以及形态特征等 河流的自然生态环境方面选取指标并进行打分,其中最具代表性的是澳大利亚建立的 ISC河流评价方法。ISC方法构建了包括河流水文特征、物理构造特征、河岸带状况、 水质参数、水生生物5个方面,总共l9项指标的评价指标体系。国内对河流健康进行 评估时,为表征河流提供社会服务的能力,指标体系中除了包含河流的自然生态环境指 标外又增加了反映河流社会服务功能的指标。在多指标评价法中如果选取的河流表征因 子足够全面细致的话,构建的指标体系就能够反映河流的健康状况。
目前国内外在对河流健康进行评估时,现有的评价方法只能对河流健康状况进行评 估,属于静态的评价分析,无法及时、准确、动态地反映河流健康状态未来的变化趋势。同时,现有评价方法也不能对河流健康状况在可能胁迫下的发展变化趋势做出准确预测,从而无法对可能造成河流不健康的各种胁迫提前发出预警信号、并为河流管理者提供前瞻性的科学决策依据。另外,现有的河流健康评价只是针对于河流本身,而忽略了流域 内的人类社会自身发展水平对河流的影响。
发明内容
为了克服当前河流健康评价中存在的不足,提出一种对河流系统健康状态进行预警 的方法,该方法综合体现了在一个河流系统中人类及其自身发展水平、人类的社会活动与河流自然生态环境之间的相互作用、相互影响,使得计算结果更加符合实际情况,也 有利于进一步推进对河流的健康管理,促进人与河流的和谐发展。本发明所述的河流系 统是指在河流流域内,由自然要素和社会要素组成并通过人类活动结合在一起的、相互 关联、具有一定动态平衡能力、等级结构、功能和有序的、复杂的、开放的有机整体。 其中人是河流系统中的主体,而河流的自然生态系统是其中的客体,河流的各项社会服 务功能(即人类社会活动)则是联系主体和客体的纽带。
为了实现上述技术目的,本发明采用如下技术方案:
一种对河流系统健康状态进行预警的方法,包括以下步骤:
S1、构建多目标的模糊层次—模糊综合评价模型对河流系统的健康状况进行评估, 具体包括:
S11、构建河流系统健康预警警情、警兆指标体系及其层次结构;
S12、确定各层级警情指标的警度及其警限,并设置相应的预警信号;
S13、确定指标层警兆指标的警限与警度,并计算警兆指标隶属度;
S14、构建不同层级警兆指标的权重体系;
S15、对河流系统的健康状况进行评估;
S2、构建基于偏最小二乘回归法的警源查证模型对影响河流系统健康的警源进行查 证,具体包括:
S21、构建影响河流系统健康的警源指标体系;
S22、对警源数据进行标准化处理;
S23、对影响河流系统健康的因素进行警源查证得到河流系统健康的警源查证结果;
S3、对目标河流系统的健康进行预警分析,根据各警兆指标在统计年间的已有数据 序列,利用NDGM(1,1)或TDGM(1.1)灰色预测模型,获得各警兆指标在预测年的预测 值,再结合步骤S1构建的多目标的模糊层次—模糊综合评价模型分别计算得到该河流 系统在预测年间的各层级警情指标的健康隶属度状况、健康指数(HI),并依据各层级警 情指标的警度及其警限、预警信号设置确定其健康评价等级,并发出相应的预警信息。
步骤S11是基于河流系统健康的基础上,确定各层级的警兆因素集并构建相应层次 结构,具体过程如下:
设河流系统第k个子系统有n个警兆指标,则该子系统的警兆因素集可表示为:
Xk={xk1,xk2,…,xkn}; (1)
把不同层级的系统及其警兆指标分级分层设置,形成由不同层级警情指标与警兆因素集组成的层次结构,包括目标层、子目标层、准则层和指标层四级层次。其中,目 标层的指标只作为警情指标,指标层的各个指标则只作为警兆指标;而对于其它层级的 指标则相对于上一层级是作为警兆指标,相对其所属下一层级则是警情指标,从而形成 多层级、多目标的层次结构。
步骤S12中各层级警情指标的警度及其相应的警限则利用其健康指数根据五分法进行设定,并同时设置相应的预警信号,具体见表1:
表1
步骤S13中,警兆指标的警度划分为五个级别:无警、轻警、中警、重警、巨警, 相应的预警信号为:绿色、蓝色、黄色、橙色、红色;在警限设置原则的基础上,根据 警限设置的不同方法,确定河流系统健康警兆指标体系中指标层各警兆指标不同警度的 警限;
对指标层中警兆指标值越大,其评价越差的指标,其隶属度的计算采用降半梯形隶属度函数:
对指标层中警兆指标值越大,其评价越好的指标其隶属度的计算采用升半梯形隶属 度函数:
在以上隶属度模型中U1、U2、U3、U4、U5分别为各警兆指标对五个警度等级的 指标隶属度函数;x为各警度指标的实际值;S1、S2、S3、S4、S5为各警度等级的警 限值。
所述步骤S14,利用模糊层次分析法获得模糊判断矩阵kJR,并通过求解得到相应的权重。
所述步骤S15中,在获得各级警兆指标的权重和隶属度后,通过式(5)计算得到目标河流系统健康的各层级警情指标的模糊综合评价向量,
然后对各层级的模糊综合评价向量采用式(6)进行信息综合,可以得到河流系统各层 级指标的健康指数(HI),并依据各层级警情指标的警度及其警限、预警信号设置确定其 健康评价等级、警度及对应的预警信号;通过逐层计算最终可以得到目标层—河流系统健康状态A的模糊综合评价向量然后根据该警情指标各个警度 等级的警限值c1,c2,…,cp,c1>c2>…>cp且间距均等,将模糊向量单值化 为
式中,RSHI为河流系统健康状态指数,p为警度的总等级数。
所述步骤S3具体包括如下子步骤:
S31、构建基于灰色理论的警兆预测模型;
当警兆指标的原始数据序列符合近似非齐次指数增长或减少规律时,通过构建近似 非齐次指数的离散灰色预测模型NDGM(1,1)对该警兆指标未来的发展趋势进行预测;
当警兆指标的初始数据序列为振荡类型,在构建TDGM(1.1)灰色预测模型前通过加 速平移变换和加权均值变换对初始数据序列进行预处理;
S32、对灰色预测模型进行检验
在预测模型构建完成后,利用残差检验法检验模型的预测精度,以判断其预测精度 能否满足预测要求。
本发明的有益效果是:
本发明充分考虑到现在的河流已不再是完全的自然河流,而是处于人与自然共同作 用下的一个复杂的综合系统。在定义河流系统是由河流自然生态环境与流域内人类及其 社会发展水平构成的基础上,本发明提供了一种对河流系统健康状态进行预警的方法。该方法通过构建河流系统健康警兆指标体系、河流系统健康警情指标与各警兆指标的警度与警限并设置相应的预警信号系统,对河流系统健康进行评估并发出相应预警信号; 然后在构建河流系统健康警源指标体系的基础上,对影响河流系统健康的警源进行查证 分析;最后通过对各警兆指标分别进行预测并结合河流系统的健康评估和预警信号系统, 对河流系统未来一定时间内的健康状况进行预警分析。本发明综合体现了对河流系统健 康的评估、影响河流系统健康的警源因子的查证和河流系统未来一定时间内健康状态的 预警。
利用本发明方法不仅能够直接评估河流系统当前的健康状况,而且还能查证导致河 流系统产生病变的警源、预测河流系统健康状况未来的发展趋势、分析河流系统健康状况变化速率等,并能根据预警分析结果及时发出相应预警信号,为适时调整区域内的人 类活动提供参考依据,从而有力地促进河流流域范围内的人水和谐和可持续发展。
附图说明
图1为某河流系统健康预警的警情、警兆指标体系及其层次结构。
具体实施方式
为了阐明本发明的技术方案及技术目的,下面结合附图及具体实施方式对本发明做进一步的介绍。
一种对河流系统健康状态进行预警的方法,其特征在于,包括以下步骤:
步骤一:构建多目标的模糊层次—模糊综合评价模型对河流系统的健康状况进行评 估
多目标的模糊层次—模糊综合评价模型是通过构建河流系统健康预警的警情、警兆 指标体系及其层次结构的基础上,利用各层级指标的模糊判断矩阵计算出各层级指标(警兆指标)相对于其上一层级目标(警情指标)的权重,然后再通过逐层实施模糊运算得到各层级目标(警情指标)的评价结果。其具体过程为:
(1)分层确定各层级警兆因素集并构建相应层次结构
本发明在河流系统健康的基础上,确定各层级的警兆因素集并构建相应层次结构, 具体过程如下:
设河流系统第k个子系统有n个警兆指标,则该子系统的警兆因素集可表示为:
Xk={xk1,xk2,…,xkn}; (1)
把各个子系统及其警兆指标分级分层设置,形成由不同层级警情指标与警兆因素集组成的层次结构,具体是:
如图1所示,把不同层级的系统及其警兆指标分级分层设置,形成由不同层级警情指标与警兆因素集组成的层次结构,包括目标层、子目标层、准则层和指标层四级层次, 其中,目标层的指标只作为警情指标,指标层的各个指标则只作为警兆指标;而对于其 它层级的指标则相对于上一层级是作为警兆指标,相对其所属下一层级则是警情指标, 从而形成多层级、多目标的层次结构。
(2)确定各层级指标的警度等级
设第k个子系统有p个警度等级,也就是有p个评语等级,则其警度等级集可以表示为:
Vk={vk1,vk2,…,vkp} (2)
确定指标警度等级集的过程也就是建立各警情、警兆指标的警度与警限标准的过程, 同时也是确定相应预警信号过程。
在图1中,指标层中警兆指标的不同警度及其相应的警限是根据国家、行业以及地方等制定的标准、规范设置或遵循行业公认的方式;其余各层级中各指标的警度及其相 应的警限则利用其健康指数(Health Index,HI)根据五分法进行设定,并同时设置相应的 预警信号,如表1所示。
表1各层级警情指标的警度、健康等级及其警限、预警信号设置
(3)警兆指标隶属度的计算
为确定警兆指标对其警度等级集中各等级的隶属度,需要选择合理的隶属度函数进行计算。然后根据警兆指标的指标值,利用隶属度函数计算其隶属度。
(4)建立模糊关系矩阵
逐个计算第k个子系统中每个警兆指标对其警度等级集中各等级的隶属度,并构建 第k个子系统的模糊关系矩阵kR。
式中krij为第k个子系统的第i个评价指标隶属于第j个警度等级的隶属度。
(5)确定权向量
kW=(kwj)n,j=1,2,3,…,n (4)
kwj为第k个子系统的第j个评价指标的权重,可以通过对模糊判断矩阵kJR求解得到。
(6)进行模糊复合运算,得到模糊评价向量
(7)模糊评价向量单值化
式中,RSHI为河流系统健康状态指数,然后根据RSHI值和表2就可以确定河流系统健 康的状态,并由此发出相应预警信号。
在计算河流系统健康状态指数的过程中,对于图1中所示中间层级中的各个指标都 可以通过上述步骤结合其自身警度的警限值计算其相应的健康状态指数,从而实现多目 标的状态评估。
步骤二:构建基于偏最小二乘回归法的警源查证模型对影响河流系统健康的警源进 行查证
为查证影响图1中各层次指标健康状态的主要警源因子,基于偏最小二乘回归法构 建警源查证模型,其具体过程为:
(1)构建影响河流系统健康的警源指标体系
对于河流系统而言,其健康警源一般来自两个方面:自然因素与人为因素。自然因素是指不以人的意志为转移的、在自然背景条件下所产生的警源,包括自然界中一些容 易发生异常变化而导致自然灾害并由此引发河流系统健康警情的客观因素,例如降雨、 暴雨、山洪暴发、洪水、暴风雪、干旱、台风等。人为因素则是由于人类不当或过度活 动所形成的警源,主要是由社会、经济活动产生的,例如区域内人口数量的过度增长引 发的水资源供给紧张、工农业生产以及人们生活所产生的污废水等。从河流系统演变的 时间尺度上看,一般自然因素对河流系统健康的影响需要经过较长时间才能体现出来, 在小时间尺度范围内其影响作用不是很明显。因此,对于河流系统健康预警研究这种小 时间尺度,人类活动将是河流系统健康胁迫的主要警源。
(2)初始数据资料的标准化处理
为避免计算结果受指标量纲和数量级的影响,在进行警源查证分析前还需要将各警 源指标的初始数据转化为无量纲的相对数。
设警源指标的初始数据表为X,待查证指标的健康指数数据表为Y,对数据表X、Y分别标准化得到自变量数据表E0和因变量数据表F0:
式中:n为样本总数;p为警源指标总数;q为待查证指标的总数;
(3)有效成分的提取
第一步:在E0和F0上分别提取第一偏最小二乘成分t1和u1,并使t1和u1的协方 差最大,即
第二步:实施E0和F0在t1上的回归
第三步:求E0和F0的残差
然后以E1取代E0,以F1取代F0,在E1和F1上分别提取第二偏最小二乘成分t2和u2, 用同样的方法重复上述第二步至第三步的工作,直至用交叉有效性确定成分t的提取个 数和迭代步数满足要求为止。
(4)回归拟合方程
假设在第h步(h=2,3,…,m)时,精度已满足要求,此时停止提取成分。这时候得到m个成分,在(t1,t2,…,tm)上实施回归,可以得到:
(5)交叉有效性检验
交叉有效性检验被用来确定有效成分的提取个数。
对于因变量Y,成分th的交叉有效性为
其中:SSS,h-1是用全部样本点拟合的具有(h-1)个成分的方程的拟合误差;而SPRESS,h是 增加了1个成分th,但是却含有样本点的扰动误差。
(6)警源因子重要程度计算
设有m个成分(t1,t2,…,tm),有n个自变量{x1,x2,…,xn},第j个自变量xj在解释因变量Y时,其作用的重要程度为:
对于VIPj越大的xj,它在解释Y时就具有更加重要的作用。因此,可以根据VIPj的大小来判断警源因子对待查指标健康状态的影响程度。从而找到对待查指标健康状态影响最大的警源因子。
步骤三:对河流系统健康状况进行预警分析
首先,构建基于灰色理论的警兆预测模型
在河流系统健康预警指标体系中,很多预警指标都缺乏长系列的连续观测资料,本 发明基于灰色系统理论结合当前我国河流观测资料的特点,建立了针对不同数据序列变 化特点的离散灰色预测模型。
(1)近似非齐次指数的离散灰色预测模型NDGM(1,1)
当警兆指标的原始数据序列符合近似非齐次指数增长(或减少)规律时,可以通过构 建近似非齐次指数的离散灰色预测模型NDGM(1,1)对该警兆指标未来的发展趋势进行预测,该预测模型的构建过程如下:
设X(0)为某一警兆指标近似非齐次指数增长的初始数据序列
X(0)={x(0)(1),x(0)(2),…,x(0)(n)} (14)
令
X(1)={x(1)(1),x(1)(2),…,x(1)(n)} (15)
则
预测方程中的模型参数(β1,β2,β3)可以采用最小二乘法求解得到:
βT=(β1,β2,β3)=(BTB)-1BTA (17)
其中:
得到
从而可以得到序列X(0)的预测模型:
(2)振荡序列的灰色预测模型TDGM(1.1)
当警兆指标的初始数据序列为振荡类型,在构建灰色预测模型前需要对初始数据序列进行预处理,通常是进行加速平移变换和加权均值变换。
①加速平移变换
设X(0)为初始序列
X(0)={x(0)(1),x(0)(2),…,x(0)(n)} (23)
X(0)(k)-X(0)(k-1)>0,X(0)(k′)-X(0)(k′-1)<0 (24),则定 义X(0)的振幅为:
T(X(0))=M-m (25),其中:
X(0)D={x(0)(1)d,x(0)(2)d,…,x(0)(n)d} (27),其中:
x(0)(k)d=x(0)(k)+(k-1)T(X(0)),k=1,2,…,n (28)
②加权均值变换
对于初始序列X(0),称
为X(0)的加权均值生成变换。
③建模
其中:
求解上述微分方程的响应函数
其次,对灰色预测模型进行检验
在预测模型构建完成后,利用残差检验法检验模型的预测精度,以判断其预测精度 能否满足预测要求。
其中:相对残差δ(k)为:
残差检验法对精度检验的标准参照表2来进行判断,当模型精度等级达到或超过第 二级时,就能满足预测精度要求。
表2残差检验法的精度检验等级参照表
最后,利用得到的预测模型对警兆指标进行预测,并结合多目标的模糊层次—模糊 综合评价模型,对河流系统健康状态进行预警分析
对河流系统健康预警指标体系中的警兆指标,利用各自的预测模型计算未来一段时 间内的预测值后,再利用河流系统健康评价的多目标的层次—模糊综合评价模型对河流 系统未来的健康状态进行评价,从而获得相应的河流系统健康指数(RSHI),并可根据需要对河流系统健康进行进一步的预警分析。
在获得河流系统在未来某时刻的健康状态后,需要根据一定的依据释放相应的预警 信息。河流系统的健康状态在变化过程中,往往存在着一些特殊临界点,而临界点两侧往往代表了不同的发展方向、状态或属性。假设河流系统健康预警的初始时刻为T1, 对未来某一时刻T2的河流系统健康状态进行预警,预警的时段长为ΔT=T2-T1。T1、T2时 刻河流系统健康指数值分别为RSHI(T1)和RSHI(T2),以参数RP(i)表示河流系统不同健 康状态下健康指数的临界值、ΔRPT表示河流系统健康指数值在时段ΔT内波动的临界值、 ΔRPs表示河流系统健康退化速度在时段ΔT内的临界值。在给定参数RP、ΔRPT和ΔRPs 的条件下,河流系统健康预警的数学关系可分别表示为:
(1)状态预警
对已处于非健康状态的河流系统做出预警,还可进一步区分为亚健康状态预警和病态预警等。
RSHI(T)<RP(i) (38)
式中i:河流系统的不同健康状态等级,也即是警度级别;RP(i):河流系统不同警度时 河流系统健康指数(RSHI)的临界值,也即是不同警度对应的警限值。
(2)发展趋势预警
主要用于分析一段时间内河流系统健康状态的波动情况,当河流系统健康指数(RSHI)波动超过一定幅度以后就可以判断出河流系统健康的发展趋势。
如果RSHI(T1)>RSHI(T2),当
RSHI(T1)-RSHI(T2)>ΔRPTD (39)
则称河流系统健康有恶化的趋势,在向健康恶化的方向发展;
如果RSHI(T1)<RSHI(T2),当
RSHI(T2)-RSHI(T1)>ΔRPTU (40)
则称河流系统健康有好转的趋势,也即是向健康方向发展;
其中:ΔRPTD、ΔRPTU分别为河流系统健康指数波动的恶化临界值和好转临界值。这两 个临界值可以相同,也可以不同,一般根据河流系统的管理目标确定。
(3)退化速度预警
当河流系统健康状态从比较好或不坏的状态向恶化方向发展时,如果其恶化趋势迅猛,极有可能在短时间内就使得河流系统健康状态发展到恶化或病态、乃至病危的程 度时,就需对河流系统健康状态的恶化速度进行预警。
当RSHI(T2)<RSHI(T1)时,表明河流系统健康处于退化状态,当退化速度大于某 一临界值ΔRPs时,就需要对河流系统健康退化速度发出预警,即:
当河流系统处于不同的健康状态时,其退化速度临界值ΔRPs可以根据不同状态分别 设置。
当一个流域内有多个河流系统的健康都处于退化状态时,河流管理者就必须对所有 河流系统的健康发展趋势做出判断分析,并优先整治和修复处于最不利状态的河流系统。 此时就可以通过判断河流系统健康的状态和退化速度,对所有河流系统进行排序,从而 确定整治和修复的先后次序,这对于同一流域中不同河流系统的综合整治与生态修复尤 为重要。同时也可以设置河流系统健康退化速度的临界值(△RPS),当河流系统健康的退 化速度超过了该临界值,则认为恶化速度较快,留给人们的回旋时间较少,可能造成严重的系统健康问题。
实施例
以我国南方某河流系统的健康预警为例进行说明:
目标河流系统的健康预警分析过程如下:
步骤一:构建多目标的模糊层次—模糊综合评价模型对目标河流系统的健康状况进行评估
首先:构建河流系统健康预警警情、警兆指标体系及其层次结构
根据目标河流系统的具体情况,构建健康预警警情、警兆指标体系及其层次结构,如图1所示:
其次:确定指标层警兆指标的警限与警度,并计算警兆指标隶属度
为了和警情指标的警度划分保持一致,同时也便于后续分析,警兆指标的警度同样 也划分为五个级别:无警、轻警、中警、重警、巨警,相应的预警信号则为:绿色、蓝 色、黄色、橙色、红色。在警限设置原则的基础上,根据警限设置的不同方法,确定了 目标河流系统健康警兆指标体系中各指标不同警度的警限,如表3和4所示。
表3河流自然生态子系统预警指标警度与警限
表4河流系统人类活动、社会服务及人类发展水平预警指标警度与警限
对警兆指标值越大,其评价越差的指标其隶属度的计算采用“降半梯形”隶属度函数:
对警兆指标值越大,其评价越好的指标其隶属度的计算采用“升半梯形”隶属度函数:
在以上隶属度模型中U1、U2、U3、U4、U5分别为各警兆指标对五个警度等级的指标 隶属度函数;x为各警度指标的实际值;S1、S2、S3、S4、S5为各警度等级的分级标 准值。
再次:构建警兆指标权重体系
利用模糊层次分析法获得模糊判断矩阵kJR,并通过求解得到相应的权重。具体 过程如下:
A、构建模糊互补判断矩阵
通过邀请从事河流管理和河流研究的专家、河流管理等专业人员,对图1中隶属同一指标下、同层次的警兆指标进行两两比较评分,构造相应的模糊判断矩阵。指标之间 的相互对比采用的是相对比例标度来度量,其比较标准如表5所示。
表5指标两两比较的比例标度值及其含义
在第k个子系统中对任意两个因素xi和xj,用aij(i,j=1,2,3,…,n)表示xi和xj对第k 个子系统相对重要性的比较,并用表3中的比例标度来度量aij。然后以全部比较结果aij构成的矩阵就是因素Xk的判断矩阵:
MRJ=(aij)n×n (44),且判 断矩阵MRJ是模糊互补矩阵。
B、构建模糊一致判断矩阵
首先对模糊互补矩阵MRJ=(aij)n×n按行求和得到:
C、求解相对权重
对矩阵kJR采用行和归一化求得的权重向量kW=(w1,w2,…,wn)T满足
最后计算得到的目标河流系统警兆指标体系中各层次指标的权重,如表6所示。
表6某河流系统健康评估警兆指标权重体系表
最后:对目标河流系统的健康状况(2008-2012年)进行评估
在获得各级指标的权重和隶属度后,通过(5)式可以计算得到2008-2012年目标河流 系统健康的各层级警情指标的模糊综合评价向量(隶属度分布),然后对历年的模糊综合 评价向量采用M(·,+)模型进行信息综合(6式),可以得到目标河流系统各年份、各层级指标的HI指数,并依据表(1)确定其健康评价等级、警度及对应的预警信号。
A、准则层评估结果
①物理形态结构
物理形态结构评估结果的隶属度分布及评分如表7所示。
表7物理形态结构(2008-2012年)隶属度状况及评估结果
②水文水资源
水文水资源评估结果的隶属度分布及评分如表8所示。
表8水文水资源隶属度状况及评估结果
③水环境状况
水环境状况评估结果的隶属度分布及评分如表9所示。
表9水环境状况隶属度状况及评估结果
④水生生物状况
水生物状况评估结果的隶属度分布及评分如表10所示。
表10水生生物状况隶属度状况及评估结果
⑤社会服务功能
社会服务功能评估结果的隶属度分布及评分如表11所示。
表11社会服务功能隶属度状况及评估结果
⑥人类发展指数
人类发展指数评估结果的隶属度分布及评分如表12所示。
表12人类发展水平状况隶属度状况及评估结果
B、子目标层评估结果
①河流自然生态环境
河流自然生态环境子目标的隶属度状况及评价结果如表13所示。
表13河流自然生态环境子目标的隶属度状况及评价结果
②人类活动与社会服务功能
由于人类活动与社会服务功能子目标只有一个准则层指标——人类活动与社会服 务,因此,该子目标的评估结果也就是准则层指标人类活动与社会服务的评估结果,其评估结果见表11。
③流域人类发展水平
由于流域人类发展水平子目标只有一个准则层指标——人类发展指数,因此,该子 目标的评估结果也就是准则层指标人类发展指数的评估结果,评估结果见表12。
C、目标层评估结果
目标河流系健康的隶属度状况及评价结果如表14所示。
表14 2008-2012年某河流系统健康隶属度状况及评估结果
从表14可以看出,在2008-2012年间,某河流系统的健康指数均超过60(亚健康的最低限度),但低于80分(健康的最低限度),均处于亚健康、轻警状态,相应的预警信 号为蓝色。而且通过各年河流系统健康的隶属度状况,可以清楚的显示出其健康状况隶 属于不同健康等级的隶属程度或不同健康等级成分的含量。
步骤二:对目标河流的警源因素(2008-2012年)进行查证
首先:构建影响目标河流系统健康的警源指标体系
目标河流系统的警源因素主要包括自然因子、污染因子、水资源利用因子、河流侵占因子,水利工程因子、社会因子、管理因子等分类因子,每类因子又由具体指标组 成,最终确定的某河流系统警源指标体系结构如表15所示。
表15某河流系统健康警源指标体系结构
其次:对警源数据进行标准化处理
利用标准化方法来实现指标数据的标准化和规范化,其计算过程如下:
式中:
经标准化处理后,指标x′ij的均值为0、方差为1,消除了量纲和数量级的影响并且能够相互比较。
最后:对影响目标河流系统健康的因素进行警源查证
根据各警源指标标准化后的统计数据,排除在统计年限内数据没有变化的警源指标, 利用警源查证模型(式7~13)得到目标河流系统健康的警源查证结果,见表16。
表16目标河流系统健康警源查证结果一览表*
*表中“+”表示发挥正面作用;“-”表示发挥负面作用。
从目表16可以清楚看出对目标河流系统中河流自然生态环境、社会服务功能和人类发展水平产生负面影响最显著的警源因素。
步骤三:对目标河流系统的健康进行预警(2013-2017年)分析
根据各警兆指标在2008-2012年间的已有数据序列,利用NDGM(1,1)或TDGM(1.1)灰色预测模型(式22、35),可以获得各警兆指标在2013~2017年的预测值,再结合河流 系统健康评估的多目标的层次—模糊综合评价模型(式5~6及表6)分别计算得到该河流 系统在2013-2017年间的健康隶属度状况、RHSI指数,并依据表(1)确定其健康评价等 级、警度及对应的预警信号及相应的预警信息,结果如表17所示。
表17某河流系统健康隶属度状况及评估结果(2013-2017)
从表17可以看出,在2013-2015年间,目标河流系统的健康状态处于亚健康状态,而在2016-2017年间则处于健康状态。各年的健康等级评分结果均在80分线(亚健康与 健康的分界线,也就是健康的下限分数)附近,其健康评分差距并不显著,特别是2016、 2017年的健康指数已经超过80的健康线。与2008~2012年目标河流系统的健康指数相 比,2013~2017年目标河流系统健康状态总体上具有向健康方向发展的趋势。
Claims (7)
1.一种对河流系统健康状态进行预警的方法,其特征在于,包括以下步骤:
S1、构建多目标的模糊层次—模糊综合评价模型对河流系统的健康状况进行评估,具体包括:
S11、构建河流系统健康预警警情、警兆指标体系及其层次结构;
S12、确定各层级警情指标的警度及其警限,并设置相应的预警信号;
S13、确定指标层警兆指标的警限与警度,并计算警兆指标隶属度;
S14、构建不同层级警兆指标的权重体系;
S15、对河流系统的健康状况进行评估;
S2、构建基于偏最小二乘回归法的警源查证模型对影响河流系统健康的警源进行查证,具体包括:
S21、构建影响河流系统健康的警源指标体系;
S22、对警源数据进行标准化处理;
S23、对影响河流系统健康的因素进行警源查证得到河流系统健康的警源查证结果;
S3、对目标河流系统的健康进行预警分析,根据各警兆指标在统计年间的已有数据序列,利用NDGM(1,1)或TDGM(1.1)灰色预测模型,获得各警兆指标在预测年的预测值,再结合步骤S1构建的多目标的模糊层次—模糊综合评价模型分别计算得到该河流系统在预测年间的各层级警情指标的健康隶属度状况、健康指数(HI),并依据各层级警情指标的警度及其警限、预警信号设置确定其健康评价等级,并发出相应的预警信息。
2.根据权利要求1所述的对河流系统健康状态进行预警的方法,其特征在于,步骤S11是基于河流系统健康的基础上,确定各层级的警兆因素集并构建相应层次结构,具体过程如下:
设河流系统第k个子系统有n个警兆指标,则该子系统的警兆因素集可表示为:
Xk={xk1,xk2,…,xkn}; (1)
把不同层级的系统及其警兆指标分级分层设置,形成由不同层级警情指标与警兆因素集组成的层次结构,包括目标层、子目标层、准则层和指标层四级层次,其中,目标层的指标只作为警情指标,指标层的各个指标则只作为警兆指标;而对于其它层级的指标则相对于上一层级是作为警兆指标,相对其所属下一层级则是警情指标,从而形成多层级、多目标的层次结构。
4.根据权利要求1所述的对河流系统健康状态进行预警的方法,其特征在于,
步骤S13中,指标层警兆指标的警度划分为五个级别:无警、轻警、中警、重警、巨警,相应的预警信号为:绿色、蓝色、黄色、橙色、红色;在警限设置原则的基础上,根据警限设置的不同方法,确定河流系统健康警兆指标体系中指标层各警兆指标不同警度的警限;
对指标层中警兆指标值越大,其评价越差的指标,其隶属度的计算采用降半梯形隶属度函数:
对指标层中警兆指标值越大,其评价越好的指标其隶属度的计算采用升半梯形隶属度函数:
在以上隶属度模型中U1、U2、U3、U4、U5分别为各警兆指标对五个警度等级的指标隶属度函数;x为各警度指标的实际值;S1、S2、S3、S4、S5为各警度等级的警限值。
5.根据权利要求1所述的对河流系统健康状态进行预警的方法,其特征在于,
所述步骤S14,利用模糊层次分析法获得模糊判断矩阵kJR,并通过求解得到相应的权重。
6.根据权利要求1所述的对河流系统健康状态进行预警的方法,其特征在于,
所述步骤S15中,在获得各级指标的权重和隶属度后,通过式(5)计算得到目标河流系统健康的各层级警情指标的模糊综合评价向量,
然后对各层级的模糊综合评价向量采用式(6)进行信息综合,可以得到河流系统各层级指标的健康指数(HI),并依据各层级警情指标的警度及其警限、预警信号设置确定其健康评价等级、警度及对应的预警信号;通过逐层计算最终可以得到目标层—河流系统健康状态A的模糊综合评价向量然后根据该警情指标各个警度等级的警限值c1,c2,…,cp,c1>c2>…>cp且间距均等,将模糊向量单值化为
式中,RSHI为河流系统健康状态指数,p为警度的总等级数。
7.根据权利要求1所述的对河流系统健康状态进行预警的方法,其特征在于,所述步骤S3具体包括如下子步骤:
S31、构建基于灰色理论的警兆预测模型;
当警兆指标的原始数据序列符合近似非齐次指数增长或减少规律时,通过构建近似非齐次指数的离散灰色预测模型NDGM(1,1)对该警兆指标未来的发展趋势进行预测;
当警兆指标的初始数据序列为振荡类型,在构建TDGM(1.1)灰色预测模型前通过加速平移变换和加权均值变换对初始数据序列进行预处理;
S32、对灰色预测模型进行检验
在预测模型构建完成后,利用残差检验法检验模型的预测精度,以判断其预测精度能否满足预测要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110219123.4A CN113269384B (zh) | 2021-02-26 | 2021-02-26 | 一种对河流系统健康状态进行预警的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110219123.4A CN113269384B (zh) | 2021-02-26 | 2021-02-26 | 一种对河流系统健康状态进行预警的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269384A true CN113269384A (zh) | 2021-08-17 |
CN113269384B CN113269384B (zh) | 2022-08-23 |
Family
ID=77228193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110219123.4A Active CN113269384B (zh) | 2021-02-26 | 2021-02-26 | 一种对河流系统健康状态进行预警的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269384B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487332A (zh) * | 2022-01-27 | 2022-05-13 | 重庆市生态环境监测中心 | 一种地表水水质自动监测站运行效果评价方法、系统、介质及设备 |
CN118260538A (zh) * | 2024-05-30 | 2024-06-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 强人类干扰河湖生态结构与功能复苏评价方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN105046454A (zh) * | 2015-09-01 | 2015-11-11 | 东北农业大学 | 流域水基环境管理决策支持系统 |
CN106355016A (zh) * | 2016-08-30 | 2017-01-25 | 天津大学 | 基于协调发展度的河流健康评价方法 |
AU2020103356A4 (en) * | 2020-02-26 | 2021-01-21 | Chinese Research Academy Of Environmental Sciences | Method and device for building river diatom bloom warning model |
-
2021
- 2021-02-26 CN CN202110219123.4A patent/CN113269384B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
CN105046454A (zh) * | 2015-09-01 | 2015-11-11 | 东北农业大学 | 流域水基环境管理决策支持系统 |
CN106355016A (zh) * | 2016-08-30 | 2017-01-25 | 天津大学 | 基于协调发展度的河流健康评价方法 |
AU2020103356A4 (en) * | 2020-02-26 | 2021-01-21 | Chinese Research Academy Of Environmental Sciences | Method and device for building river diatom bloom warning model |
Non-Patent Citations (2)
Title |
---|
傅春等: "基于BP神经网络和协调度的河流健康评价", 《长江流域资源与环境》 * |
费丹: "河流水环境健康风险监测与评价系统设计", 《河南水利与南水北调》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487332A (zh) * | 2022-01-27 | 2022-05-13 | 重庆市生态环境监测中心 | 一种地表水水质自动监测站运行效果评价方法、系统、介质及设备 |
CN118260538A (zh) * | 2024-05-30 | 2024-06-28 | 水利部交通运输部国家能源局南京水利科学研究院 | 强人类干扰河湖生态结构与功能复苏评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113269384B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480341B (zh) | 一种基于深度学习的大坝安全综合评判方法 | |
Tabesh et al. | Assessing pipe failure rate and mechanical reliability of water distribution networks using data-driven modeling | |
CN105426646B (zh) | 桥梁智慧度综合评估指标选取及量化方法 | |
CN105469196A (zh) | 一种矿井建设项目过程后评价的综合评价方法及系统 | |
CN111104981A (zh) | 一种基于机器学习的水文预报精度评价方法及系统 | |
CN113269384B (zh) | 一种对河流系统健康状态进行预警的方法 | |
CN108920427B (zh) | 一种月尺度水文模型时变参数的动态估计方法 | |
CN107895100B (zh) | 一种流域水质综合评价方法及系统 | |
CN106127242A (zh) | 基于集成学习的年极端降水预测系统及其预测方法 | |
CN111080356A (zh) | 一种利用机器学习回归模型计算住宅价格影响因素的方法 | |
CN109784731B (zh) | 一种民办教育机构信用评分系统及其构建方法 | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN109670679A (zh) | 基于可变模糊法的三类六级水资源承载状态预警方法 | |
CN113822499A (zh) | 一种基于模型融合的列车备件损耗预测方法 | |
Aalirezaei et al. | Prediction of water security level for achieving sustainable development objectives in Saskatchewan, Canada: Implications for resource conservation in developed economies | |
CN113837578B (zh) | 一种电力监理企业网格化监督管理评价方法 | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和系统 | |
CN106709522B (zh) | 一种基于改进模糊三角数的高压电缆施工缺陷分级方法 | |
CN111882238A (zh) | 基于云模型和eahp的门座起重机结构健康评估方法 | |
Gutiérrez-Ruiz et al. | Identifying industrial productivity factors with artificial neural networks | |
Alogdianakis et al. | Pattern recognition in road bridges’ deterioration mechanism: An artificial approach for analysing the US National Bridge Inventory | |
Guo et al. | Information fusion and XGBoost algorithm used for bearing remaining useful life prediction | |
CN114912744A (zh) | 一种村镇污水处理设施优选评价方法 | |
CN114118688A (zh) | 基于序关系分析的电网工程造价风险预警方法 | |
Nanjundan et al. | A reliable method of predicting water quality using supervised machine learning model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |