CN114037202A - 多指标关联的河流水质评价方法、系统、设备及存储介质 - Google Patents
多指标关联的河流水质评价方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114037202A CN114037202A CN202111165916.9A CN202111165916A CN114037202A CN 114037202 A CN114037202 A CN 114037202A CN 202111165916 A CN202111165916 A CN 202111165916A CN 114037202 A CN114037202 A CN 114037202A
- Authority
- CN
- China
- Prior art keywords
- water quality
- characteristic
- evaluation
- index
- hydrological
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 101
- 238000013210 evaluation model Methods 0.000 claims abstract description 12
- 239000000126 substance Substances 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 15
- 241001465754 Metazoa Species 0.000 claims description 13
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 12
- 239000003208 petroleum Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000003209 petroleum derivative Substances 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000004607 Chlorophora excelsa Nutrition 0.000 description 2
- 241000595436 Milicia excelsa Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229930002868 chlorophyll a Natural products 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种多指标关联的河流水质评价方法。选取河流的三种类型指标：理化特征、水文特征和生物特征，然后利用灰加权关联度综合评价模型，构建理化特征关联评价级别。接着，对水文特征和生物特征构建评价标准及设置不同的权重，以此综合考虑各因素的影响。最后，将三种类型的特征加权求和，得到最后的评价分数。本发明还公开了一种多指标关联的河流水质评价系统、计算机设备及计算机可读存储介质。本发明通过采集河流的理化特征、水文特征和生物特征进行河流水质评价，利用灰加权关联度综合评价模型构建理化特征关联评价级别从而使理化特征评价更准确，本发明综合考虑了评价河流水质的各种因素,且计算属于轻量级，不过度依赖硬件设备。
Description
技术领域
本发明涉及数学评价技术领域，具体涉及一种多指标关联的河流水质评价方法、多指标关联的河流水质评价系统、计算机设备及计算机可读存储介质。
背景技术
近年来，随着我国社会和经济发展，环境问题逐渐引起人们重视。河流既是陆地生态系统生命的动脉，也是水生生态系统的重要组成部分。由于人类活动对河流的影响加剧，河流生态破坏日益加重，并出现了生态环境退化、生物多样性降低等问题，水生态系统健康状况受到严重威胁。为更好的保护河流，河流水质评价是重要的一环。若能有效的对河流水质进行评价，则能更好的关注河流的受污染情况，因此能尽快采取措施并实行更进一步的水环境管理工作。
关于河流水质评价方法，国内外研究者目前已经进行了大量研究，包括单因子评价法、灰关联法、人工神经网络评价法、多光谱数据法等。然而，单因子评价法选择面过于单一，容易造成坏的评价结果，不够全面和客观；人工神经网络评价法需要有大量的标注数据并进行大量的计算，不适合广泛应用；多光谱数据法需使用无人机进行拍摄，且受到硬件条件限制，过于繁琐，成本较高。因此，为合理客观的评价河流水质，亟需一个综合的河流水质评价方法。
目前的现有技术之一，专利“基于浮游植物完整性指数的河流水质评价方法”(CN108562708A)，该技术基于浮游植物完整性指数(P-IBI)，对河流水质进行评价和等级划分，基于由浮游植物总密度(N)，叶绿素a(Chl a)以及Odum指数组成的P-IBI能有效区分不同水质类别中主要环境因子差异，且与原本需要测定众多参数计算得到的水质指数(WQI)呈显著正相关，因此可采用由浮游植物总密度、叶绿素a和Odum指数构建的P-IBI指数，即可实现河流水质的快速评价和类型划分。该技术的缺点是只考虑的浮游植物这一因素，角度较为单一，不能够全面的反映河流情况。
目前的现有技术之二，专利“一种使用无人机多光谱数据进行城市河流水质评价的方法”(CN110954484A)，该技术首先确定检测区域，准备无人机、同时在试验区域设置30个采水点，最后得出各参数每采水点的平均数；随后在相同时间利用无人机拍摄多光谱数据；接着，挑选采样点正上方的影像得出光谱反射率数据；进而，建立线性回归模型、指数模型、幂函数模型、多项式模型四种函数模型，通过光谱反射率数据进行数据的反演评估；最终，进行参数对比。该技术的缺点是需使用无人机进行拍摄，且受到硬件条件限制，过于繁琐，成本较高，不适合广泛应用。
目前的现有技术之三，专利“一种河流水质综合评价方法及系统”(CN110954484A)，该技术首先确定河流水质评价因子和评价断面；获取水质评价过程中各评价断面上所需的水质基础数据；采用内梅罗指数法对各评价因子逐一进行综合污染指数计算，得到各评价因子综合污染指数序列；采用动态赋权法对各评价因子逐一进行权重计算，得出各评价因子权重系数组成的权重序列；采用加权叠加法计算河流水质综合评价指数；根据河流水质综合评价指数计算结果，对河流水质情况进行评价。该技术的缺点是只选用了污染指数作为评价因素，没有考虑河流的水文特征和河流生物特征。
发明内容
本发明的目的是克服现有方法的不足，提出了多指标关联的河流水质评价方法、系统、设备及存储介质。本发明解决的主要问题，是如何综合考虑理化特征、水文特征和生物特征，通过轻量级的计算，不过度依赖硬件设备的情况下得到河流水质评价的问题。
为了解决上述问题，本发明提出了一种多指标关联的河流水质评价方法，所述方法包括：
采集河流待评价水质样本的理化特征、水文特征和生物特征；
对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；
对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
分别为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；
根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
优选地，所述采集河流待评价水质样本的理化特征、水文特征和生物特征，具体为：
采集的理化特征包括：酚、CODCr、BOD5、石油类、NH4-N、NO2-N；
采集的水文特征包括：流速、水量；
采集的生物特征包括：浮游植物多样性、浮游动物多样性、水生植物多样性、底栖动物多样性。
优选地，所述对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值，具体为：
将水质分级标准中某一水质等级的各污染参数限值构成的数列作为比较数列：
Xi＝xi(k),i＝1,2…5,k＝1,2…6，
其中i对应水质分级中的5级，k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的参考值；
将河流水质监测点的待评价水质样本的各污染参数实测浓度值构成的数列作为采样数列：
X0＝x0(k),i＝1,2…5,k＝1,2…6，
k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的采样值，并对数据进行归一化处理；
计算所述采样数列与所述比较数列灰关联系数ξi(k)：
其中，ρ为分辨系数，取ρ＝0.5；
利用所述灰关联系数ξi(k)计算比较数列Xi对采样数列X0的灰关联度γi：
其中ak是所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N指标的权重，取a1＝0.283，a2＝0.076，a3＝0.054，a4＝0.116，a5＝0.283，a6＝0.187；
从所述γi中选取数值最大者max{γi}，得到对应的i值，代表采样数列X0与max{γi}对应的比较数列Xi关联性最好，即采样数列X0归为第i级水质级别；
根据所述i值，得到待评价水质样本的理化特征评分值W0：
W0＝5-i,i＝0,2...4。
优选地，所述对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算待评价水质样本的所述水文特征和所述生物特征的评分值，具体为：
为水文特征和生物特征构建评价标准表：
水文特征中，流速参考城镇河流人工化的特点分为5级标准，水量参考美国环境署生态环境调查方法；
生物特征中，底栖动物、浮游植物、浮游动物皆参考Shannon-weiner多样性指数作为评价标准，水生植物参考Gleason生态环境多样性指数；
之后根据所述评价标准表计算采集得到的所述水文特征和所述生物特征的评分值；
其中，流速评分值记为W1，水量评分值记为W2，底栖动物评分值记为W3，浮游植物评分值记为W4，浮游动物评分值记为W5，水生植物评分值记为W6。
优选地，所述分别为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重，具体为：
分别为理化特征设置权重b0，水文特征设置权重b1，生物特征设置权重b2；进一步地，为水文特征以及生物特征中的各个指标也设置权重，流速指标权重为c1，水量指标权重为c2，底栖动物指标权重为c3，浮游植物指标权重为c4，浮游动物指标权重为c5，水生植物指标权重为c6；
取b0＝0.229，b1＝0.208，b2＝0.208，c1＝0.035，c2＝0.07，c3＝0.056，c4＝0.061，c5＝0.049，c6＝0.049。
优选地，所述根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，具体为：
河流水质综合评价分数R为：
相应地，本发明还提供了一种多指标关联的河流水质评价系统，包括：
数据采集单元，用于采集河流待评价水质样本的理化特征、水文特征和生物特征；
特征评分单元，用于对所述采集到的理化特征、水文特征和生物特征进行评分，包括：对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
综合评价单元，用于为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；之后根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
相应地，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述多指标关联的河流水质评价方法的步骤。
相应地，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述多指标关联的河流水质评价方法的步骤。
实施本发明，具有如下有益效果：
本发明通过采集河流的理化特征、水文特征和生物特征进行河流水质评价，利用灰加权关联度综合评价模型构建理化特征关联评价级别从而使理化特征评价更准确，本发明综合考虑了评价河流水质的各种因素,且计算属于轻量级，不过度依赖硬件设备。
附图说明
图1是本发明实施例的多指标关联的河流水质评价方法的总体流程图；
图2是本发明实施例的理化特征关联评价级别的水质分级标准展示图；
图3是本发明实施例的水文特征和生物特征的评价标准展示图；
图4是本发明实施例的各特征指标评价体系权重构建展示图；
图5是本发明实施例的多指标关联的河流水质评价系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例的多指标关联的河流水质评价方法的总体流程图，如图1所示，该方法包括：
S1，采集河流待评价水质样本的理化特征、水文特征和生物特征；
S2，对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；
S3，对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
S4，分别为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；
S5，根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
步骤S1，具体如下：
采集的理化特征包括：酚、CODCr、BOD5、石油类、NH4-N、NO2-N；
采集的水文特征包括：流速、水量；
采集的生物特征包括：浮游植物多样性、浮游动物多样性、水生植物多样性、底栖动物多样性。
步骤S2，具体如下：
S2-1，水质分级标准如图2所示，将水质分级标准中某一水质等级的各污染参数限值构成的数列作为比较数列：
Xi＝xi(k),i＝1,2…5,k＝1,2…6，
其中i对应水质分级中的5级，k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的参考值；
将河流水质监测点的待评价水质样本的各污染参数实测浓度值构成的数列作为采样数列：
X0＝x0(k),i＝1,2…5,k＝1,2…6，
k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的采样值，并对数据进行归一化处理；
S2-2，计算所述采样数列与所述比较数列灰关联系数ξi(k)：
其中，ρ为分辨系数，取ρ＝0.5；
利用所述灰关联系数ξi(k)计算比较数列Xi对采样数列X0的灰关联度γi：
其中ak是所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N指标的权重，取a1＝0.283，a2＝0.076，a3＝0.054，a4＝0.116，a5＝0.283，a6＝0.187；
从所述γi中选取数值最大者max{γi}，得到对应的i值，代表采样数列X0与max{γi}对应的比较数列Xi关联性最好，即采样数列X0归为第i级水质级别；
根据所述i值，得到待评价水质样本的理化特征评分值W0：
W0＝5-i,i＝0,2...4。
步骤S3，具体如下：
为水文特征和生物特征构建评价标准表，评价标准如图3所示：
水文特征中，流速参考城镇河流人工化的特点分为5级标准，水量参考美国环境署生态环境调查方法；
生物特征中，底栖动物、浮游植物、浮游动物皆参考Shannon-weiner多样性指数作为评价标准，水生植物参考Gleason生态环境多样性指数，图3中H为Shannon-weiner多样性指数，G为Gleason生态环境多样性指数；
之后根据所述评价标准表计算采集得到的所述水文特征和所述生物特征的评分值；
其中，流速评分值记为W1，水量评分值记为W2，底栖动物评分值记为W3，浮游植物评分值记为W4，浮游动物评分值记为W5，水生植物评分值记为W6。
步骤S4，具体如下：
如图4所示，分别为理化特征设置权重b0，水文特征设置权重b1，生物特征设置权重b2；进一步地，为水文特征以及生物特征中的各个指标也设置权重，流速指标权重为c1，水量指标权重为c2，底栖动物指标权重为c3，浮游植物指标权重为c4，浮游动物指标权重为c5，水生植物指标权重为c6；
取b0＝0.229，b1＝0.208，b2＝0.208，c1＝0.035，c2＝0.07，c3＝0.056，c4＝0.061，c5＝0.049，c6＝0.049。
相应地，本发明还提供了一种多指标关联的河流水质评价系统，如图5所示，包括：
数据采集单元1，用于采集河流待评价水质样本的理化特征、水文特征和生物特征；
特征评分单元2，用于对所述采集到的理化特征、水文特征和生物特征进行评分，包括：对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
综合评价单元3，用于为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；之后根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
因此，本发明通过采集河流的理化特征、水文特征和生物特征进行河流水质评价，利用灰加权关联度综合评价模型构建理化特征关联评价级别从而使理化特征评价更准确，本发明综合考虑了评价河流水质的各种因素,且计算属于轻量级，不过度依赖硬件设备。
相应地，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述多指标关联的河流水质评价方法的步骤。同时，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述多指标关联的河流水质评价方法的步骤。
以上对本发明实施例所提供的多指标关联的河流水质评价方法、系统、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种多指标关联的河流水质评价方法，其特征在于，所述方法包括：
采集河流待评价水质样本的理化特征、水文特征和生物特征；
对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；
对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
分别为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；
根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
2.如权利要求1所述的多指标关联的河流水质评价方法，其特征在于，所述采集河流待评价水质样本的理化特征、水文特征和生物特征，具体为：
采集的理化特征包括：酚、CODCr、BOD5、石油类、NH4-N、NO2-N；
采集的水文特征包括：流速、水量；
采集的生物特征包括：浮游植物多样性、浮游动物多样性、水生植物多样性、底栖动物多样性。
3.如权利要求2所述的多指标关联的河流水质评价方法，其特征在于，所述对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值，具体为：
将水质分级标准中某一水质等级的各污染参数限值构成的数列作为比较数列：
Xi＝xi(k)，i＝1，2…5，k＝1，2…6，
其中i对应水质分级中的5级，k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的参考值；
将河流水质监测点的待评价水质样本的各污染参数实测浓度值构成的数列作为采样数列：
X0＝x0(k)，i＝1，2…5，k＝1，2…6，
k对应所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N的采样值，并对数据进行归一化处理；
计算所述采样数列与所述比较数列灰关联系数ξi(k)：
其中，ρ为分辨系数，取ρ＝0.5；
利用所述灰关联系数ξi(k)计算比较数列Xi对采样数列X0的灰关联度γi：
其中ak是所述酚、CODCr、BOD5、石油类、NH4-N、NO2-N指标的权重，取a1＝0.283，a2＝0.076，a3＝0.054，a4＝0.116，a5＝0.283，a6＝0.187；
从所述γi中选取数值最大者max{γi}，得到对应的i值，代表采样数列X0与max{γi}对应的比较数列Xi关联性最好，即采样数列X0归为第i级水质级别；
根据所述i值，得到待评价水质样本的理化特征评分值W0：
W0＝5-i，i＝0，2…4。
4.如权利要求2所述的多指标关联的河流水质评价方法，其特征在于，所述对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算待评价水质样本的所述水文特征和所述生物特征的评分值，具体为：
为水文特征和生物特征构建评价标准表：
水文特征中，流速参考城镇河流人工化的特点分为5级标准，水量参考美国环境署生态环境调查方法；
生物特征中，底栖动物、浮游植物、浮游动物皆参考Shannon-weiner多样性指数作为评价标准，水生植物参考Gleason生态环境多样性指数；
之后根据所述评价标准表计算采集得到的所述水文特征和所述生物特征的评分值；
其中，流速评分值记为W1，水量评分值记为W2，底栖动物评分值记为W3，浮游植物评分值记为W4，浮游动物评分值记为W5，水生植物评分值记为W6。
5.如权利要求2所述的多指标关联的河流水质评价方法，其特征在于，所述分别为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重，具体为：
分别为理化特征设置权重b0，水文特征设置权重b1，生物特征设置权重b2；进一步地，为水文特征以及生物特征中的各个指标也设置权重，流速指标权重为c1，水量指标权重为c2，底栖动物指标权重为c3，浮游植物指标权重为c4，浮游动物指标权重为c5，水生植物指标权重为c6；
取b0＝0.229，b1＝0.208，b2＝0.208，c1＝0.035，c2＝0.07，c3＝0.056，c4＝0.061，c5＝0.049，c6＝0.049。
6.如权利要求3或4或5所述的多指标关联的河流水质评价方法，其特征在于，所述根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，具体为：
河流水质综合评价分数R为：
7.一种多指标关联的河流水质评价系统，其特征在于，所述系统包括：
数据采集单元，用于采集河流待评价水质样本的理化特征、水文特征和生物特征；
特征评分单元，用于对所述采集到的理化特征、水文特征和生物特征进行评分，包括：对理化特征，利用灰加权关联度综合评价模型，构建理化特征关联评价级别，计算所述待评价水质样本的理化特征的评分值；对水文特征和生物特征构建评价标准，形成水文特征和生物特征的评价标准表，之后根据评价标准表计算所述待评价水质样本的水文特征和所述生物特征的评分值；
综合评价单元，用于为所述理化特征、水文特征和生物特征设置特征权重，为水文特征以及生物特征中的各项指标设置指标权重；之后根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数，并根据评价分数将河流水质分为三个级别：风险预警、中等、健康。
8.如权利要求7所述的多指标关联的河流水质评价系统，其特征在于，所述综合评价单元，需要分别为理化特征设置权重b0，水文特征设置权重b1，生物特征设置权重b2；进一步地，为水文特征以及生物特征中的各个指标也设置权重，流速指标权重为c1，水量指标权重为c2，底栖动物指标权重为c3，浮游植物指标权重为c4，浮游动物指标权重为c5，水生植物指标权重为c6；
取b0＝0.229，b1＝0.208，b2＝0.208，c1＝0.035，c2＝0.07，c3＝0.056，c4＝0.061，c5＝0.049，c6＝0.049；
根据待评价水质样本的所述理化特征的评分值与特征权重、所述水文特征和所述生物特征的评分值与特征权重、所述各项指标的指标权重，进行加权求和计算河流水质综合评价分数R：
其中W0为理化特征评分值，W1为流速评分值，W2为水量评分值，W3为底栖动物评分值，W4为浮游植物评分值，W5为浮游动物评分值，W6为水生植物评分值。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111165916.9A CN114037202A (zh) | 2021-09-30 | 2021-09-30 | 多指标关联的河流水质评价方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111165916.9A CN114037202A (zh) | 2021-09-30 | 2021-09-30 | 多指标关联的河流水质评价方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114037202A true CN114037202A (zh) | 2022-02-11 |
Family
ID=80134715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111165916.9A Pending CN114037202A (zh) | 2021-09-30 | 2021-09-30 | 多指标关联的河流水质评价方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114037202A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115343439A (zh) * | 2022-10-14 | 2022-11-15 | 广东广宇科技发展有限公司 | 一种城市内河流域水质监测方法 |
| CN115639332A (zh) * | 2022-09-21 | 2023-01-24 | 河海大学 | 一种河湖水质分析方法、装置及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899473A (zh) * | 2015-07-07 | 2015-09-09 | 郑州大学 | 一种河流断面退化评价方法 |
| CN106446586A (zh) * | 2016-10-21 | 2017-02-22 | 重庆大学 | 基于自然与社会影响的河流健康评价方法 |
| CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
| CN108562708A (zh) * | 2018-04-18 | 2018-09-21 | 中国科学院南京地理与湖泊研究所 | 基于浮游植物完整性指数的河流水质评价方法 |
| CN110954484A (zh) * | 2019-12-09 | 2020-04-03 | 南京搜天数据科技有限公司 | 一种使用无人机多光谱数据进行城市河流水质评价的方法 |
| CN111832895A (zh) * | 2020-06-10 | 2020-10-27 | 中国水产科学研究院黄海水产研究所 | 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法 |
| CN112183935A (zh) * | 2020-08-31 | 2021-01-05 | 河海大学 | 一种河流水质综合评价方法及系统 |
-
2021
- 2021-09-30 CN CN202111165916.9A patent/CN114037202A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899473A (zh) * | 2015-07-07 | 2015-09-09 | 郑州大学 | 一种河流断面退化评价方法 |
| CN106446586A (zh) * | 2016-10-21 | 2017-02-22 | 重庆大学 | 基于自然与社会影响的河流健康评价方法 |
| CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
| CN108562708A (zh) * | 2018-04-18 | 2018-09-21 | 中国科学院南京地理与湖泊研究所 | 基于浮游植物完整性指数的河流水质评价方法 |
| CN110954484A (zh) * | 2019-12-09 | 2020-04-03 | 南京搜天数据科技有限公司 | 一种使用无人机多光谱数据进行城市河流水质评价的方法 |
| CN111832895A (zh) * | 2020-06-10 | 2020-10-27 | 中国水产科学研究院黄海水产研究所 | 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法 |
| CN112183935A (zh) * | 2020-08-31 | 2021-01-05 | 河海大学 | 一种河流水质综合评价方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115639332A (zh) * | 2022-09-21 | 2023-01-24 | 河海大学 | 一种河湖水质分析方法、装置及系统 |
| CN115343439A (zh) * | 2022-10-14 | 2022-11-15 | 广东广宇科技发展有限公司 | 一种城市内河流域水质监测方法 |
| CN115343439B (zh) * | 2022-10-14 | 2022-12-27 | 广东广宇科技发展有限公司 | 一种城市内河流域水质监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| King et al. | Integrating bioassessment and ecological risk assessment: an approach to developing numerical water-quality criteria | |
| WO2022099852A1 (zh) | 一种城市景观湖泊水生态系统健康评价及诊断方法 | |
| CN109284921B (zh) | 基于隐马尔科夫模型的农业灌溉水质动态评价方法 | |
| CN110991064B (zh) | 土壤重金属含量反演模型生成方法、系统及反演方法 | |
| CN114037202A (zh) | 多指标关联的河流水质评价方法、系统、设备及存储介质 | |
| CN111597756A (zh) | 一种基于无人机多光谱数据的水质参数反演方法 | |
| CN101727627A (zh) | 一种基于组合评估法的信息系统安全风险评估模型 | |
| CN111369106A (zh) | 一种适用于湖泊底栖生态系统的健康评价方法 | |
| Lücke et al. | Detection of ecological change in stream macroinvertebrate assemblages using single metric, multimetric or multivariate approaches | |
| CN112215525B (zh) | 一种湖库水质反演及可视化评价方法 | |
| CN107679756B (zh) | 土壤适宜性评价方法及装置 | |
| CN113033997A (zh) | 基于改进集对分析的城市水质等级确定方法、装置及介质 | |
| CN112183935A (zh) | 一种河流水质综合评价方法及系统 | |
| CN112581038A (zh) | 一种红树林湿地的健康状况的评估方法 | |
| CN114764682B (zh) | 一种基于多机器学习算法融合的大米安全风险评估方法 | |
| CN108663334A (zh) | 基于多分类器融合寻找土壤养分光谱特征波长的方法 | |
| CN105354414A (zh) | 一种基于层次分析的人体健康状况评估方法 | |
| CN112200619A (zh) | 遥感数据与社会调查结合的区域经济发展估算方法及系统 | |
| CN112232343A (zh) | 一种粮食霉变粒识别神经网络和识别方法 | |
| Cairns et al. | Developing a sampling strategy | |
| CN114331053A (zh) | 一种基于模糊层次评价模型的浅水湖泊富营养化评价方法 | |
| CN115169962A (zh) | 一种基于改进直觉模糊层次分析的运动员能力评估体系构建方法 | |
| CN109409590A (zh) | 一种用于淡水水生生物水质基准预测的系统 | |
| CN115345488A (zh) | 一种湿地生态系统服务评估方法、装置、服务器及介质 | |
| CN106294983A (zh) | 一种面向舰船研制过程的质量量化评价方法 |
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 |