CN114219370A - 一种基于社交网络的河流水质多维影响因素权重分析方法 - Google Patents
一种基于社交网络的河流水质多维影响因素权重分析方法 Download PDFInfo
- Publication number
- CN114219370A CN114219370A CN202210111565.1A CN202210111565A CN114219370A CN 114219370 A CN114219370 A CN 114219370A CN 202210111565 A CN202210111565 A CN 202210111565A CN 114219370 A CN114219370 A CN 114219370A
- Authority
- CN
- China
- Prior art keywords
- water quality
- node
- river water
- index
- multidimensional
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 87
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 239000002689 soil Substances 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 16
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 15
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 15
- 229910052757 nitrogen Inorganic materials 0.000 claims description 15
- 229910052698 phosphorus Inorganic materials 0.000 claims description 15
- 239000011574 phosphorus Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 5
- 230000008020 evaporation Effects 0.000 claims description 5
- 238000009395 breeding Methods 0.000 claims description 4
- 230000001488 breeding effect Effects 0.000 claims description 4
- 244000144972 livestock Species 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 4
- 244000144977 poultry Species 0.000 claims description 3
- 239000010865 sewage Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002633 protecting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q50/01—Social networking
-
- 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)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于社交网络的河流水质多维影响因素权重分析方法,涉及环境领域。本发明是为了对多维的水质影响因素进行客观准确的权重分析。本发明所述的一种基于社交网络的河流水质多维影响因素权重分析方法,构建了包括污染负荷、气候、地貌土壤、人类活动、土地利用、景观指标和环境指标七大类数十小类的河流水质多维影响因素体系,通过分析多维影响因素之间的相互关系,并以此为基础,基于社交网络,建立水质多维影响因素网络模型,结合度中心性、接近中心性、特征向量中心性这些社交网络主要特征综合评价各影响因素节点的重要性,从而实现对河流水质多维影响因素的权重分析排序。
Description
技术领域
本发明属于环境领域,尤其涉及河流水质分析技术。
背景技术
从2016年至2020年地表水Ⅰ—Ⅲ类水水质断面比例数据来看,水环境质量有了明显改善,但水生态环境保护结构性、根源性、趋势性压力总体上尚未根本缓解。河流具有调节气候、地貌塑造、供水、发电等生态环境、服务、文化娱乐等功能,与人类活动息息相关,同时也是体现水生态环境问题和保护成效的载体,随着美丽河湖的建设,河流污染治理愈发受到重视。
多维影响因素对河流水质的影响程度是河流水质预测模型指标体系构建的基础,对其权重分析及排序可以帮助构建者筛选出具有影响力更大、区分能力更强、更具代表性的指标,来减少对河流水质影响较少的指标,提高模型预测精度,进而帮助河流管理者准确确定水环境管理方案和建立决策预警机制,是河长制、一河一策等制度政策的技术保障,是美丽河流保护与建设的关键。
河流水质多维影响因素权重分析的挑战之一在于影响指标的复杂性。影响水质变化的指标可以分为自然因素和社会经济因素,目前研究中影响因素的初选因人而异,但大多集中在气候、地貌土壤、土地利用、人类活动四大类下的小项具体指标,具有多维性,大量不同指标之间相互作用、相互影响,构成了繁杂的初选指标体系,而且随着对污染物产生、迁移过程理解的深入,指标体系不断丰富。河流水质多维影响因素权重分析的另一个重要挑战在于如何尽可能降低排序过程中的人为主观因素,目前采取主观与客观相结合的方法,辅以人为的比较,但是多指标复杂相关性、不确定性、以及主观的偏向性会带来较大误差。因此,在河流水质预测领域亟需提出一种针对复杂多维的水质影响因素进行完全客观权重分析的有效方法。
发明内容
本发明是为了对多维的水质影响因素进行客观准确的权重分析,现提供一种基于社交网络的河流水质多维影响因素权重分析方法。
一种基于社交网络的河流水质多维影响因素权重分析方法,包括以下步骤:
步骤一:构建河流水质多维影响因素的有权网络G(V,E),其中V为节点集,E为边集;
步骤二:利用河流水质多维影响因素的指标数据对有权网络中的节点赋予定义,并将两个不同指标数据之间的线性关系系数赋值给有权网络中的边;
步骤三:根据下式计算每个节点的度中心性:
其中,Di为节点vi的度中心性,xij为能够与节点vi直接联系的节点数量,N为有权网络中节点总数,i=1,2,...,N,j=1,2,...,N,i≠j;
步骤四:利用有权网络中的边集计算节点vi与节点vj之间的最短路径长度dij,然后根据下式计算每个节点的接近中心性:
其中,Ci为节点vi的接近中心性;
步骤五:根据下式计算每个节点的特征向量中心性:
其中,Si为节点vi的特征向量中心性,Aij为网络邻接矩阵A中的元素,所述网络邻接矩阵A中节点vi与节点vj能够直接连接则记为1,否则记为0,Aij=1或0,λ-1为网络邻接矩阵A中的最大特征值,Tj为λ-1对应的最大特征向量;
步骤六:根据下式计算每个节点的综合评价值:
其中,li为节点vi的综合评价值;
步骤七:将所有节点的综合评价值进行排序,获得的排序结果作为河流水质多维影响因素权重分析结果。
进一步的,上述河流水质多维影响因素包括:污染负荷指标、景观指标、环境指标、气候指标、地貌土壤指标、人类活动指标和土地利用指标,
污染负荷指标包括:COD总量、氨氮总量、总氮总量、总磷总量、城镇生活源的COD、氨氮、总氮及总磷排放量、农村生活源的COD氨氮总氮及总磷排放量、工业源的COD氨氮总氮及总磷排放量、畜禽养殖源的COD氨氮总氮及总磷排放量、农田面源的COD氨氮总氮及总磷排放量、和雨水的COD氨氮总氮及总磷排放量,
景观指标包括:归一化植被指数和边缘密度数据,
环境指标包括:老工业污染源治理投资额、城市环境基础设施建设投资额和污水处理厂集中处理率数据,
气候指标包括:蒸发蒸散量、平均气温和降水量数据,
地貌土壤指标包括:数字高程模型、坡度和土壤类型数据,
人类活动指标包括:地区生产总值、人均地区生产总值和常住人口数量数据,
土地利用指标包括:土地利用类型数据。
进一步的,两个不同指标数据X和Y之间的线性关系系数rXY的取值范围为-1≤rXY≤1,表达式为:
其中,μX和μY分别为指标数据X和Y的均值,Xk和Yk分别为指标数据X和Y的第k个观测值,z为一种指标数据的观测样本总数,k=1,2,...,z。
进一步的,河流水质多维影响因素的指标数据通过统计公报与年鉴、云平台与数据库中获得。
进一步的,上述步骤四中,节点vi与节点vj之间包括多条路径,每条路径包括多条有权网络中的边,将每条路径中边的数值进行累计,最小累计值对应的路径为最短路径,最小累计值为最短路径长度dij。
本发明的核心发明效果,主要体现在以下4点:
1、本发明在气候、地貌土壤、人类活动、土地利用等传统指标体系的基础上,增加了污染负荷、环境投入和景观指标三大类相关指标,河流水质多维影响因素更为全面,指标体系更为丰富;
2、本发明基于社交网络,可为河流水质多维影响因素体系这一复杂系统的抽象及影响指标的权重分析排序研究提供一种全新的思路。
3、本发明通过数据分析影响因素之间的相互关系,结合度中心性、接近中心性和特征向量中心性提出的河流水质多维影响因素权重分析方法,实现指标权重的全面分析与合理判断,排行过程消除了人为主观因素的影响;
4、本发明为数据驱动型,适用性强。社交网络建模方法、影响因素权重分析方法,广泛适用于各种河流,不受河流类型与地域分布的影响,模拟结果符合河流特性。
附图说明
图1为本发明基于社交网络的河流水质多维影响因素权重分析方法流程图;
图2为影响因素之间的散点图;
图3为河流水质多维影响因素网络结构图。
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的前提下所获得的所有其它实施例,都属于本发明保护的范围。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
社交网络是对复杂系统的抽象描述,将系统的组成单元抽象为节点,将各单元间的相互关系抽象为边,使复杂系统抽象为由点集和边集构成的复杂网络,将对复杂系统结构与功能的研究,转变为对网络结构和功能的探索,可以准确、真实地刻画实际单元之间的相互作用结构的关系。社交网络分析技术可为河流水质多维影响因素体系这一复杂系统的抽象及影响因素权重分析提供一种全新的思路。本实施方式基于社交网络提供一种河流水质多维影响因素权重分析方法,具体如下:
具体实施方式一:参照图1至图3具体说明本实施方式,本实施方式所述的一种基于社交网络的河流水质多维影响因素权重分析方法,包括以下步骤:
1、构建河流水质多维影响因素体系
合理正确地建立水质多维影响因素体系是影响指标权重排行的前提之一,初步选取时包含多来源、多类型的指标。使得河流水质变化的驱动性指标可以分为自然因素和社会经济因素。一般来说,影响河流水质变化的自然环境因素主要有气温降水量等气候指标、土壤性质等地貌土壤指标、土地利用类型指标等;人口数量、社会经济发展水平等人类活动指标是河流水环境重要的社会经济驱动因素,反映了水环境支持人类生产生活的潜力和区域社会经济活动的内在动力及发展趋势。除此之外,城镇生活源、农村生活源、工业源、农田面源、畜禽养殖源和雨水源污染排放相当于河流水环境系统中的承载源,以污染负荷这一指标衡量,是河流水质变化的直接原因。绿化覆盖率、景观周长面积都直接或者间接影响区域水环境。环境投入管理指标是通过相关政策调控河流水资源,直接或间接治理水环境,以达到社会经济可持续发展的目的,对河流水质会产生积极影响。因此,本实施方式最终选择污染负荷指标、景观指标、环境指标、气候指标、地貌土壤指标、人类活动指标和土地利用指标这七大类指标,具体的,每个指标体系下所包含的数据为:
污染负荷指标包括:COD、氨氮、总氮和总磷的排放量数据,以上数据可以是工业源、畜禽养殖源、农田面源、雨水源各自产生的,如表1所示。
景观指标包括:归一化植被指数和边缘密度数据。
环境指标包括:老工业污染源治理投资额、城市环境基础设施建设投资额和污水处理厂集中处理率数据。
气候指标包括:蒸发蒸散量、平均气温和降水量数据。
地貌土壤指标包括:数字高程模型、坡度和土壤类型数据。
人类活动指标包括:地区生产总值、人均地区生产总值和常住人口数量数据。
土地利用指标包括:土地利用类型数据。
2、在确定了河流水质多维影响因素体系之后,开始收集数据。本实施方式使用的数据主要包括统计公报与年鉴、云平台与数据库两个主要来源。统计公报与年鉴主要为各省环境统计公报、各省统计年鉴和《中国城市统计年鉴》等。云平台与数据库主要获取气候数据、地貌土壤数据等。对于污染负荷指标、景观指标等通过大量的数据处理及简单计算获得。对于气候指标、环境指标等,通过数据处理及统计分析获得。
3、本实施方式通过采集到的数据分析多维影响因素之间的相互关系,用影响因素的皮尔森相关系数量化其相互关系,为后续构建社交网络奠定基础。皮尔森相关系数也称皮尔森积矩相关系数,是一种线性相关系数用来反映两个变量X和Y的线性相关程度,则两个不同指标数据X和Y之间的线性关系系数记为rXY,取值范围为-1≤rXY≤1,绝对值越大表明相关性越强。
rXY表达式为:
其中,μX和μY分别为指标数据X和Y的均值,Xk和Yk分别为指标数据X和Y的第k个观测值,z为一种指标数据的观测样本总数,k=1,2,...,z。
因为皮尔森相关系数是用来反应两个变量之间相似程度的统计量,所以通过皮尔森相关系数实现影响因素相关性分析。
4、河流水质多维影响因素权重分析,具体包括以下步骤:
步骤一:基于社交网络理论,将河流水质多维影响因素权重分析问题构建为河流水质多维影响因素的有权网络G(V,E),其中V为节点集,E为边集。
步骤二:利用河流水质多维影响因素的指标数据对有权网络中的节点赋予定义,并将两个不同指标数据之间的线性关系系数赋值给有权网络中的边。
社交网络中衡量节点中心性的度量指标包括度中心性、接近中心性、中介中心性、特征向量中心性。由于单一度量指标只能从一个维度度量网络结构关系,存在很大的局限性。度中心性、接近中心性和特征向量中心性的内涵与河流水质影响因素权重分析建模一致,因此,在综合评价时采用度中心性、接近中心性与特征向量中心性相结合的方式。本实施方式提出的河流水质影响因素重要性综合评价算法,结合度中心性、接近中心性与特征向量中心性,可以突破单一维度度量网络关系的局限,从而实现河流水质多维影响因素综合评价。具体的,度中心性、接近中心性与特征向量中心性分别采用如下步骤获得。
步骤三:根据下式计算每个节点的度中心性:
其中,Di为节点vi的度中心性,xij为能够与节点vi直接联系的节点数量,N为有权网络中节点总数,i=1,2,...,N,j=1,2,...,N,i≠j。
本步骤中,一个节点的节点度越大就意味着这个节点的度中心性越高,该节点在网络中就越重要。
步骤四:节点vi与节点vj之间包括多条路径,每条路径包括多条有权网络中的边。将每条路径中边的数值进行累计,最小累计值对应的路径为最短路径,最小累计值为最短路径长度dij。进而根据下式计算每个节点的接近中心性:
其中,Ci为节点vi的接近中心性。
本步骤中,接近中心性体现的是一个点与其他点的近邻程度。计算的是网络中节点与其他节点的平均距离,这个平均距离越小就说明这个点到其他所有点的路径越短,也就说明这个点距离其他所有点越近。
步骤五:根据下式计算每个节点的特征向量中心性:
其中,Si为节点vi的特征向量中心性,Aij为网络邻接矩阵A中的元素,所述网络邻接矩阵A中节点vi与节点vj能够直接连接则记为1,否则记为0,Aij=1或0,λ-1为网络邻接矩阵A中的最大特征值,Tj为λ-1对应的最大特征向量。
本步骤中,节点重要性既取决于其邻居节点的数量(即该节点的度),也取决于邻居节点的重要性。特征向量中心性定义为与最大特征值相关的邻接矩阵的特征向量。
步骤六:根据下式计算每个节点的综合评价值:
其中,li为节点vi的综合评价值;
步骤七:基于以上综合评价算法,将所有节点的综合评价值进行排序,得到所有节点综合评价值排行结果,节点排行即为河流水质多维影响因素权重分析结果。以此为据筛选河流水质预测模型的输入指标,与传统的筛选结果比较,验证水质预测模型精度是否提升。
具体实施例
本实施例以某江流域上游区域为例进行说明,具体实施过程为:
建包括污染负荷、气候、地貌土壤、人类活动、土地利用、景观指标、环境指标在内的七大类、数十小类指标的河流水质多维影响因素体系。
以污染负荷大类为例,其小类的构成如表1所示。
表1污染负荷指标构成
本实施例通过环保局数据库收集整理25个区域内断面的点位、采测分离数据。各指标数据通过统计公报和年鉴、云平台和数据库进行收集。
根据皮尔森相关系数计算公式完成影响因素相关性分析,影响因素之间的散点图如图2所示。
基于社交网络理论,将河流水质多维影响因素权重分析问题,构建河流水质多维影响因素有权网络G(V,E),其中V为节点集,E为边集。将水质多维影响因素抽象为节点,指标之间的相互关系抽象为连边,影响因素网络结构图如图3所示。
根据前一步多维影响因素的数据挖掘分析结果,将影响因素之间的皮尔森相关系数作为网络中边的值。
基于建立的影响因素有权网络,根据公式分别计算度中心性、接近中心性与特征向量中心性,最终计算综合评价指数。
基于以上综合评价算法,通过计算得到节点权重核算及排行结果,即得到影响因素权重核算结果及排行结果。通过以上结果筛选河流水质预测模型的10个输入指标,与传统的筛选结果比较,采用R2验证水质预测模型精度的提升情况。比较结果如下表2所示。
表2水质预测模型精度比较结果
由表2可知,采取本发明前,采用传统的筛选方法选择的输入指标,其河流预测模型R2为0.57。采取本发明后,采用基于社交网络的河流水质多维影响因素权重分析方法筛选出的输入指标,其河流预测模型R2为0.72,对河流水质预测模型精度提升了15%左右。
本发明提出了一种基于社交网络的河流水质多维影响因素权重分析方法,该方法构建了包括污染负荷、气候、地貌土壤、人类活动、土地利用、景观指标和环境指标七大类数十小类的河流水质多维影响因素体系,通过分析多维影响因素之间的相互关系,并以此为基础,基于社交网络,建立水质多维影响因素网络模型,结合度中心性、接近中心性、特征向量中心性这些社交网络主要特征综合评价各影响因素节点的重要性,从而实现对河流水质多维影响因素的权重分析排序。本发明解决了影响因素的复杂性和相关性的问题,消除了排行过程中人为主观因素的影响,实现了河流水质多维影响因素的智慧排行,具有较强的适用性。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其它所述实施例中。
Claims (5)
1.一种基于社交网络的河流水质多维影响因素权重分析方法,其特征在于,包括以下步骤:
步骤一:构建河流水质多维影响因素的有权网络G(V,E),其中V为节点集,E为边集;
步骤二:利用河流水质多维影响因素的指标数据对有权网络中的节点赋予定义,并将两个不同指标数据之间的线性关系系数赋值给有权网络中的边;
步骤三:根据下式计算每个节点的度中心性:
其中,Di为节点vi的度中心性,xij为能够与节点vi直接联系的节点数量,N为有权网络中节点总数,i=1,2,...,N,j=1,2,...,N,i≠j;
步骤四:利用有权网络中的边集计算节点vi与节点vj之间的最短路径长度dij,然后根据下式计算每个节点的接近中心性:
其中,Ci为节点vi的接近中心性;
步骤五:根据下式计算每个节点的特征向量中心性:
其中,Si为节点vi的特征向量中心性,Aij为网络邻接矩阵A中的元素,所述网络邻接矩阵A中节点vi与节点vj能够直接连接则记为1,否则记为0,Aij=1或0,λ-1为网络邻接矩阵A中的最大特征值,Tj为λ-1对应的最大特征向量;
步骤六:根据下式计算每个节点的综合评价值:
其中,li为节点vi的综合评价值;
步骤七:将所有节点的综合评价值进行排序,获得的排序结果作为河流水质多维影响因素权重分析结果。
2.根据权利要求1所述的一种基于社交网络的河流水质多维影响因素权重分析方法,其特征在于,河流水质多维影响因素包括:污染负荷指标、景观指标、环境指标、气候指标、地貌土壤指标、人类活动指标和土地利用指标,
污染负荷指标包括:COD总量、氨氮总量、总氮总量、总磷总量、城镇生活源的COD、氨氮、总氮及总磷排放量、农村生活源的COD氨氮总氮及总磷排放量、工业源的COD氨氮总氮及总磷排放量、畜禽养殖源的COD氨氮总氮及总磷排放量、农田面源的COD氨氮总氮及总磷排放量、和雨水的COD氨氮总氮及总磷排放量,
景观指标包括:归一化植被指数和边缘密度数据,
环境指标包括:老工业污染源治理投资额、城市环境基础设施建设投资额和污水处理厂集中处理率数据,
气候指标包括:蒸发蒸散量、平均气温和降水量数据,
地貌土壤指标包括:数字高程模型、坡度和土壤类型数据,
人类活动指标包括:地区生产总值、人均地区生产总值和常住人口数量数据,
土地利用指标包括:土地利用类型数据。
4.根据权利要求2所述的一种基于社交网络的河流水质多维影响因素权重分析方法,其特征在于,河流水质多维影响因素的指标数据通过统计公报与年鉴、云平台与数据库中获得。
5.根据权利要求1、2、3或4所述的一种基于社交网络的河流水质多维影响因素权重分析方法,其特征在于,
步骤四中,节点vi与节点vj之间包括多条路径,每条路径包括多条有权网络中的边,
将每条路径中边的数值进行累计,最小累计值对应的路径为最短路径,最小累计值为最短路径长度dij。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111565.1A CN114219370B (zh) | 2022-01-29 | 2022-01-29 | 一种基于社交网络的河流水质多维影响因素权重分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210111565.1A CN114219370B (zh) | 2022-01-29 | 2022-01-29 | 一种基于社交网络的河流水质多维影响因素权重分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114219370A true CN114219370A (zh) | 2022-03-22 |
CN114219370B CN114219370B (zh) | 2022-12-20 |
Family
ID=80708816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210111565.1A Active CN114219370B (zh) | 2022-01-29 | 2022-01-29 | 一种基于社交网络的河流水质多维影响因素权重分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219370B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115728463A (zh) * | 2022-12-01 | 2023-03-03 | 哈尔滨工业大学 | 一种基于半嵌入式特征选择的可解释性水质预测方法 |
CN117391613A (zh) * | 2023-10-08 | 2024-01-12 | 菏泽单州数字产业发展有限公司 | 一种基于物联网的农业产业园管理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699979A (zh) * | 2015-03-24 | 2015-06-10 | 北京工商大学 | 基于复杂网络的城市湖库藻类水华混沌时间序列预测方法 |
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 |
CN109242203A (zh) * | 2018-09-30 | 2019-01-18 | 中冶华天南京工程技术有限公司 | 一种河流水质预测及水质影响因素评估方法 |
CN110175948A (zh) * | 2019-05-24 | 2019-08-27 | 郑州大学 | 一种基于河流整体健康的生态环境需水阈值量化方法 |
CN111125453A (zh) * | 2019-12-27 | 2020-05-08 | 中国电子科技集团公司信息科学研究院 | 基于子图同构的社交网络中意见领袖角色识别方法及存储介质 |
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 |
AU2021102299A4 (en) * | 2021-04-30 | 2021-06-17 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method and system for controlling watershed non-point source (nps) pollution |
CN113516381A (zh) * | 2021-06-29 | 2021-10-19 | 同济大学 | 一种基于优化模糊层次分析的供水管网水质评价方法 |
-
2022
- 2022-01-29 CN CN202210111565.1A patent/CN114219370B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104699979A (zh) * | 2015-03-24 | 2015-06-10 | 北京工商大学 | 基于复杂网络的城市湖库藻类水华混沌时间序列预测方法 |
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 |
CN109242203A (zh) * | 2018-09-30 | 2019-01-18 | 中冶华天南京工程技术有限公司 | 一种河流水质预测及水质影响因素评估方法 |
CN110175948A (zh) * | 2019-05-24 | 2019-08-27 | 郑州大学 | 一种基于河流整体健康的生态环境需水阈值量化方法 |
CN111125453A (zh) * | 2019-12-27 | 2020-05-08 | 中国电子科技集团公司信息科学研究院 | 基于子图同构的社交网络中意见领袖角色识别方法及存储介质 |
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 |
AU2021102299A4 (en) * | 2021-04-30 | 2021-06-17 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method and system for controlling watershed non-point source (nps) pollution |
CN113516381A (zh) * | 2021-06-29 | 2021-10-19 | 同济大学 | 一种基于优化模糊层次分析的供水管网水质评价方法 |
Non-Patent Citations (2)
Title |
---|
张明媛等: "城市灾害相对承载力分析与模型的建立", 《自然灾害学报》 * |
王雨等: "基于多重影响力矩阵的有向加权网络节点重要性评估方法", 《物理学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115728463A (zh) * | 2022-12-01 | 2023-03-03 | 哈尔滨工业大学 | 一种基于半嵌入式特征选择的可解释性水质预测方法 |
CN117391613A (zh) * | 2023-10-08 | 2024-01-12 | 菏泽单州数字产业发展有限公司 | 一种基于物联网的农业产业园管理系统 |
CN117391613B (zh) * | 2023-10-08 | 2024-03-15 | 菏泽单州数字产业发展有限公司 | 一种基于物联网的农业产业园管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114219370B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113379109B (zh) | 一种基于预测模型自适应的径流预报方法 | |
CN114219370B (zh) | 一种基于社交网络的河流水质多维影响因素权重分析方法 | |
CN110298411A (zh) | 一种城市群生态空间受损识别评价方法 | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
Harms et al. | Landscape planning for nature restoration: comparing regional scenarios | |
CN114429053B (zh) | 流域尺度wefe系统适配性模拟优化方法 | |
CN115759883B (zh) | 基于网络群组特征的生态管理分区方法 | |
CN112330065A (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
CN116485584B (zh) | 高寒区大底坡河流wee协同调控方法及系统 | |
CN110490228A (zh) | 一种基于cpp的水文模型参数动态率定方法 | |
CN111428936B (zh) | 一种基于分布式水节点的流域雨洪可利用性指标测算方法 | |
CN113033110A (zh) | 一种基于交通流模型的重点区域人员应急疏散系统及方法 | |
CN114186491A (zh) | 基于改进lur模型的细颗粒物浓度时空特征分布方法 | |
Fang et al. | Evaluation of regional water resources carrying capacity based on binary index method and reduction index method | |
CN115728463A (zh) | 一种基于半嵌入式特征选择的可解释性水质预测方法 | |
CN117610208A (zh) | 一种基于城市水系统模型交互的河流水质水量预测方法 | |
CN112434441A (zh) | 一种水文模型参数区域化方法 | |
CN110264010B (zh) | 新型乡村电力饱和负荷预测方法 | |
Wang et al. | A fuzzy intelligent system for land consolidation–a case study in Shunde, China | |
CN116431824A (zh) | 一种流域水环境问题专家咨询系统 | |
CN113516387B (zh) | 基于地理空间大数据的区域生态安全格局构建方法及系统 | |
CN114819689A (zh) | 一种中小河流不同类型河段生态修复效果评价方法 | |
CN113793006A (zh) | 一种基于尺度效应的农业节水潜力分析方法及系统 | |
CN112116513A (zh) | 一种国土空间规划监测与预警的管理方法及其系统 | |
CN117807510B (zh) | 结合多源数据处理的河网动态分区方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Applicant after: HARBIN INSTITUTE OF TECHNOLOGY Applicant after: China Construction Zhonghuan Ecological Environmental Protection Technology Co.,Ltd. Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Applicant before: HARBIN INSTITUTE OF TECHNOLOGY Applicant before: China Construction Second Engineering Bureau Ecological Environmental Protection Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |