CN115936496A - 水质预测模型数据治理标准化方法 - Google Patents

Abstract

本发明提供一种水质预测模型数据治理标准化方法，包括：步骤1，将监测断面水质数据与水文数据进行匹配，得到监测断面水质水文表；步骤2，将监测断面水质数据与气象数据进行匹配，并将匹配到的气象数据加入到监测断面水质水文表中，得到监测断面水质水文气象表；步骤3，基于所述监测断面水质水文气象表，对监测断面水质进行预测。本发明将监测断面水质数据、监测断面对应的水文数据、天气数据进行数据拼接，为进一步智能化建模打下数据基础，可提高监测断面水质预测准确性。

Description

水质预测模型数据治理标准化方法

技术领域

本发明属于水环境数据治理技术领域，具体涉及一种水质预测模型数据治理标准化方法。

背景技术

目前，水环境模拟或预测的基础数据，只有监测断面的水质数据，数据类型单一，限制了准确模拟水环境。

发明内容

针对现有技术存在的缺陷，本发明提供一种水质预测模型数据治理标准化方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种水质预测模型数据治理标准化方法，包括以下步骤：

步骤1，将监测断面水质数据与水文数据进行匹配，得到监测断面水质水文表；

步骤2，将监测断面水质数据与气象数据进行匹配，并将匹配到的气象数据加入到监测断面水质水文表中，得到监测断面水质水文气象表；

步骤3，基于所述监测断面水质水文气象表，对监测断面水质进行预测。

优选的，步骤1具体为：

步骤1.1，寻找监测断面所属的水文监测断面；

步骤1.2，根据经纬度距离计算方法，在步骤1.1得到的水文监测断面中，得到与监测断面距离最近的水文监测断面；

步骤1.3，将距离最近的水文监测断面的水文数据，与监测断面的水质数据建立匹配关系，进行数据连接，得到监测断面水质水文表。

优选的，步骤1.3中，由于水文监测断面的水文数据的采集频率，与监测断面的水质数据的采集频率不同，在时间尺度上，将水文数据的采样时间，转化为水质数据的采样时间。

优选的，步骤2具体为：

步骤2.1，寻找距离监测断面设定距离范围内的最近的n个气象监测断面；

步骤2.2，通过反距离加权计算监测断面对应的气象数据

步骤2.3，实现监测断面水质数据与气象数据

的匹配。

优选的，步骤2.1中，如果寻找到的气象监测断面的数量不足n个，则以实际寻找到的气象监测断面为基础，进行水质数据与气象数据的匹配。

优选的，步骤2.2具体为：

采用以下公式，计算得到监测断面对应的气象数据

其中：

n为寻找到的气象监测断面的数量；

h_i表示第i个气象监测断面距监测断面的距离；i＝1,2,...,n；

p为超参数，该值越大，气象监测断面因距离产生的权重差越大；

h_j表示第j个气象监测断面距监测断面的距离；j＝1,2,...,n；

W_i表示第i个气象监测断面计算的权重；

W_j表示第j个气象监测断面计算的权重；

X_j表示第j个气象监测断面的某个气象指标向量；

表示监测断面对应的气象数据。

本发明提供的水质预测模型数据治理标准化方法具有以下优点：

本发明将监测断面水质数据、监测断面对应的水文数据、天气数据进行数据拼接，为进一步智能化建模打下数据基础，可提高监测断面水质预测准确性。

附图说明

图1为本发明提供的水质预测模型数据治理标准化方法的流程示意图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明涉及水环境数据治理领域，用于将监测断面水质数据、监测断面对应的水文数据、天气数据进行数据拼接，为进一步智能化建模打下数据基础。

智能化大数据分析依赖于复杂多样的数据量，其数据量越大、种类越多，其所含的信息就越丰富，更有利于未来智能化模型性能的提升，更为进一步水文、水质、气象数据的联合分析打下数据基础。

本发明提供一种水质预测模型数据治理标准化方法，包括以下步骤：

步骤1，将监测断面水质数据与水文数据进行匹配，得到监测断面水质水文表；

步骤2，将监测断面水质数据与气象数据进行匹配，并将匹配到的气象数据加入到监测断面水质水文表中，得到监测断面水质水文气象表；

步骤3，基于所述监测断面水质水文气象表，对监测断面水质进行预测。

水质预测模型数据治理标准化方法，核心在于确定监测断面水质数据与水文信息、气象信息的关联规则，具体如下：

(1)断面水质数据与水文数据

当前监测断面和水文数据没有明确的关联关系，为此需要建立两者的所属关系。具体方案如下：

Step1：寻找监测断面所属的水文监测断面。

Step2：根据经纬度计算水文监测断面中，与监测断面距离最近的水文监测断面。

Step3：将最近水文监测断面与监测断面的水质数据建立匹配关系，进行数据连接，得到监测断面水质水文表。

同时，由于水文监测断面的水文数据的采集频率，与监测断面的水质数据的采集频率不同，在时间尺度上，将水文数据的采样时间，转化为水质数据的采样时间。

例如，水质数据采集频率为小时，水文数据采集频率是天，为此当前默认将水文以天为频率的数据对应到水质的小时数据，即默认当天内的水文数据是相同的。

(2)断面水质数据与气象数据

当前监测断面和气象监测断面没有明确的关联关系，为此使监测断面水质数据和气象数据进行对应匹配，需要先建立两个对象的归属关系。具体的，寻找监测断面距离最近的气象监测断面，将其数据进行拼接。但考虑到地形复杂性，比如监测断面和最近气象监测断面一山相隔，即使两者距离最近，但气象信息却差异很大。

为尽可能避免上述错误，本发明提出距离加权气象数据构造模型，计算逻辑如下：

Step1：寻找距离监测断面设定距离范围内的最近的n个气象监测断面；

例如，根据经纬度寻找监测断面180公里以内前10个距离最近的气象监测断面，不满足10个时以寻找到的气象监测断面为准。

Step2：通过反距离加权计算监测断面对应的气象数据

反距离加权法为空间内插方法，根据样本点和未知点间的距离计算权重进行加权平均，点间距离越小样本点被所赋权重越大。

其中：

n为寻找到的气象监测断面的数量；

h_i表示第i个气象监测断面距监测断面的距离；i＝1,2,...,n；

p为超参数，该值越大，气象监测断面因距离产生的权重差越大；

h_j表示第j个气象监测断面距监测断面的距离；j＝1,2,...,n；

W_i表示第i个气象监测断面计算的权重；

W_j表示第j个气象监测断面计算的权重；

X_j表示第j个气象监测断面的某个气象指标向量；

表示监测断面对应的气象数据。

下面介绍一个具体实施例：、

本发明在全国流域1794个监测断面进行示范使用。

步骤一：寻找监测断面最近的水文站；水文站即为水文监测断面。

通过GIS手段寻找与监测断面同一河流最近的水文站。

步骤二：监测断面的水质数据匹配水文站的水文数据

基于水文站水文数据和监测断面的关系，采用表连接将水文数据和水质数据连接起来形成水质水文表。

步骤三：寻找监测断面最近的气象站；气象站即为气象监测断面。

基于经纬度的方法寻找与监测断面最近的10个气象站。

步骤四：水文水质表匹配对应的气象数据

基于反距离加权的方法计算监测断面对应10个气象监测断面的加权气象数据，并进行数据匹配。

本发明以监测断面为研究对象，实现监测断面未来1-7、15、30、60、90天物质浓度最大值、最小值、均值的预测预警，综合考虑水文数据、水质数据、气象数据、上下游断面位置数据等数据，基于人工智能算法对大数据高效的挖掘能力提高了数据的利用率，将得到的历史数据间变化规律用于预测未来断面水质指标的变化。综合来看，基于实时、全面的环境大数据，深度结合人工智能等方法，能实时、准确地感知环境未来的变化。进一步来看，将环境风险的人工识别转向机器智能识别，就是将固定时间的调查统计转为实时的主动发现，为风险的防范提供了更高级别的保障。同时，人工智能大数据可以实现定期的自我模型更新，针对于断面新阶段新特征可以第一时间获知并加以利用预测，避免过去规律不适应当前现状所造成预测不准确的窘境。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种水质预测模型数据治理标准化方法，其特征在于，包括以下步骤：

步骤1，将监测断面水质数据与水文数据进行匹配，得到监测断面水质水文表；

步骤2，将监测断面水质数据与气象数据进行匹配，并将匹配到的气象数据加入到监测断面水质水文表中，得到监测断面水质水文气象表；

步骤3，基于所述监测断面水质水文气象表，对监测断面水质进行预测。

2.根据权利要求1所述的水质预测模型数据治理标准化方法，其特征在于，步骤1具体为：

步骤1.1，寻找监测断面所属的水文监测断面；

步骤1.2，根据经纬度距离计算方法，在步骤1.1得到的水文监测断面中，得到与监测断面距离最近的水文监测断面；

步骤1.3，将距离最近的水文监测断面的水文数据，与监测断面的水质数据建立匹配关系，进行数据连接，得到监测断面水质水文表。

3.根据权利要求2所述的水质预测模型数据治理标准化方法，其特征在于，步骤1.3中，由于水文监测断面的水文数据的采集频率，与监测断面的水质数据的采集频率不同，在时间尺度上，将水文数据的采样时间，转化为水质数据的采样时间。

4.根据权利要求1所述的水质预测模型数据治理标准化方法，其特征在于，步骤2具体为：

步骤2.1，寻找距离监测断面设定距离范围内的最近的n个气象监测断面；

步骤2.2，通过反距离加权计算监测断面对应的气象数据

步骤2.3，实现监测断面水质数据与气象数据

的匹配。

5.根据权利要求4所述的水质预测模型数据治理标准化方法，其特征在于，步骤2.1中，如果寻找到的气象监测断面的数量不足n个，则以实际寻找到的气象监测断面为基础，进行水质数据与气象数据的匹配。

6.根据权利要求4所述的水质预测模型数据治理标准化方法，其特征在于，步骤2.2具体为：

采用以下公式，计算得到监测断面对应的气象数据

其中：

n为寻找到的气象监测断面的数量；

h_i表示第i个气象监测断面距监测断面的距离；i＝1,2,...,n；

p为超参数，该值越大，气象监测断面因距离产生的权重差越大；

h_j表示第j个气象监测断面距监测断面的距离；j＝1,2,...,n；

W_i表示第i个气象监测断面计算的权重；

W_j表示第j个气象监测断面计算的权重；

X_j表示第j个气象监测断面的某个气象指标向量；

表示监测断面对应的气象数据。

Images