CN116933982B - 一种降雨对河流水质影响的评估方法及系统 - Google Patents

Abstract

本申请提供一种降雨对河流水质影响的评估方法及系统，该方法包括：获取水质指标数据序列；将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；根据分钟级别的监测数据，计算水质指标的污染强度；根据水质指标的污染强度，计算综合指标污染强度。本申请提高降雨对河流水质影响评估的准确性和客观性。

Description

一种降雨对河流水质影响的评估方法及系统

技术领域

本申请涉及数据处理技术领域，尤其涉及一种降雨对河流水质影响的评估方法及系统。

背景技术

降雨形成的地表径流会将水体周边环境中的污染物带入河流中，导致河流水质变差。暴雨发生时甚至会导致污水蓄水池外溢，污水流入河中形成污染事故。因此降雨对河流水质的影响极为重要，因此科学评估降雨对河流水质的影响，一是有助于客观评价河流的本体水质；二是可对河流周边的环境污染情况进行评估。一般用来评估降雨过程对河流水质的影响，是根据降雨期间水质污染物监测的最大值或均值和非降水期间的水质污染物监测的最大值或均值的比值来评估影响程度。

考虑到污水在河道水体中可能是以污染团的形式随着水流向下游扩散，因此导致个别时刻监测值突高，或者污水团未经过采样点，导致监测数据较低。此时通过单个时刻的最大值来评估降雨对水质的影响是不客观的。而采用降雨期间内的均值，在不均匀降雨的过程中会导致评估结果的不客观。前期降雨小时地表未形成径流，导致污染物未进入水体，此时水质未有大的变化，后期降雨导致大量污染物进入水体，水质变差。此时按照均值的比值计算会导致降雨对水质的影响变小。此外，河流水质本身是呈现波动的，因此单纯依靠单一时刻监测数据的计算，是不符合实际情况的。

因此，目前亟需解决的技术问题是：如何提供一种评估降雨导致的河流水质的恶化程度的方法，提高评估的准确性和客观性。

发明内容

本申请的目的在于提供一种降雨对河流水质影响的评估方法及系统，提高评估的准确性和客观性。

为达到上述目的，本申请提供一种降雨对河流水质影响的评估方法，该方法包括：获取水质指标数据序列；将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；根据分钟级别的监测数据，计算水质指标的污染强度；根据水质指标的污染强度，计算综合指标污染强度。

如上所述的降雨对河流水质影响的评估方法，其中，获取水质指标数据序列的方法包括如下步骤：构建水质指标监测数据的约束回归方程；根据历史监测数据，利用信赖域反射算法，得到约束回归方程的参数；根据得到的参数，计算各个指标的约束回归方程预测值和实际值差值序列的偏度；根据计算的偏度,计算水质指标的预测模型权重；根据约束回归方程的参数，计算得到降水时段的水质指标预测数据；将计算降水时段的水质指标预测数据转换为水质指标数据序列。

如上所述的降雨对河流水质影响的评估方法，其中，水质指标的污染强度的计算公式为：

；

其中，为污染强度；/>分别表示降水开始时刻，降水结束时刻；/>表示序列/>根据自变量时间拟合的函数表达式；/>表示序列/>根据自变量时间拟合的函数表达式；/>表示指标/>对应的曲线/>和时间轴围成的面积；/>指标/>对应的曲线 和时间轴围成的面积；/>表示第/>时刻预测数据经过贝塞尔曲线插值后的值；/>表示第/>时刻实际监测数据经过贝塞尔曲线插值后的值。

如上所述的降雨对河流水质影响的评估方法，其中，综合指标污染强度的计算公式如下：

；

其中，表示综合指标污染强度；/>表示水质指标的预测模型权重；/>表示污染强度；e为指标个数的数量。

如上所述的降雨对河流水质影响的评估方法，其中，构建水质指标监测数据的约束回归方程如下：

；

其中，表示同期时刻部分，/>表示前期时刻部分；/>表示同期时刻部分/>的权重；/>表示距离第/>天第/>时刻的数据对第/>天第/>时刻的数据的权重；/>表示第/>天第/>时刻的数据变化值对第/>天第/>时刻数据的权重。

如上所述的降雨对河流水质影响的评估方法，其中，约束回归方程满足如下条件：

；

；

；

；

其中，表示没有受到降雨影响的指标集合/>中指标的历史监测数据；/>表示指标集合/>中的指标在第/>天第/>时刻的监测数据，/>；/>,/>分别表示同期时刻数，前期时刻数。

如上所述的降雨对河流水质影响的评估方法，其中，各个指标的约束回归方程预测值和实际值差值序列的偏度计算公式如下：

；

其中， 为某水质指标/>的约束回归方程预测值和实际值差值序列的偏度；为某水质指标/>的误差序列；/>为误差序列的长度，/>为误差序列均值；/>为参数。

如上所述的降雨对河流水质影响的评估方法，其中，其中，参数的计算公式如下：

。

如上所述的降雨对河流水质影响的评估方法，其中，信赖域反射算法包括：

假设第天第/>时刻开始下雨，要预测第/>时刻的指标数据。

本申请还提供一种降雨对河流水质影响的评估系统，该系统包括：获取模块，用于获取水质指标数据序列；数据处理器，用于将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；数据处理器，还用于根据分钟级别的监测数据，计算水质指标的污染强度；数据处理器，还用于根据水质指标的污染强度，计算综合指标污染强度。本申请实现的有益效果如下：

（1）本申请一种降雨对河流水质影响的评估方法计算得到的污染强度结果和降雨量、降雨时间的相关性更强。

（2）本申请一种降雨对河流水质影响的评估方法及系统提高评估的准确性和客观性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例的一种降雨对河流水质影响的评估方法的流程图1。

图2为本申请实施例的一种降雨对河流水质影响的评估方法的流程图2。

图3为本申请实施例的一种降雨对河流水质影响的评估系统的结构示意图。

附图标记：10-获取模块；20-数据处理器；100-评估系统。

具体实施方式

下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一

如图1和2所示，本申请提供一种降雨对河流水质影响的评估方法，该方法包括：

步骤S1，获取水质指标数据序列。

步骤S1包括如下步骤：

步骤S110，构建水质指标监测数据的约束回归方程。

考虑水质指标数据的时间特性，以及没有突发污染时的数据连续性，将某时刻水质指标监测数据分为受同期时刻和前期时刻/>影响的两部分。同期时刻影响的是数据基本值，而前期时刻影响的是数据趋势。

对于不同指标而言，假设两部分（同期时刻和前期时刻）对当前数据的影响程度是相同的，因此构建水质指标监测数据的约束回归方程如下：

；

其中，表示同期时刻部分，也就是第/>天第/>时刻指标集合/>中指标的监测数据。所谓同期时刻就是第/>时刻。/>表示前期时刻部分，也就是当天（第/>天）第/>时刻指标集合/>中指标的监测数据。所谓前期时刻，就是第/>时刻之前的时刻。/>表示同期时刻部分/>的权重。/>表示距离第/>天第/>时刻的数据对第/>天第/>时刻的数据的权重；/>表示第/>天第/>时刻的数据变化值对第/>天第/>时刻数据的权重；/>表示指标集合/>中的指标在第/>天第/>时刻的监测数据；表示指标集合/>中的指标在第/>天第/>时刻的监测数据。可以理解的是，指标集合/>即水质指标数据集合。

且约束回归方程满足如下条件：

；

；

；

；

其中，表示没有受到降雨影响的指标集合/>中指标的历史监测数据；/>表示指标集合/>中的指标在第/>天第/>时刻的监测数据，/>；/>,/>分别表示同期时刻数，前期时刻数，令/>。

步骤S120，根据历史监测数据，利用信赖域反射算法，得到约束回归方程的参数。

作为本发明的一个具体的实施例，约束回归方程的参数包括：、/>、。

作为本发明的一个具体的实施例，信赖域反射算法如下：

假设第天第/>时刻开始下雨，要预测第/>时刻的指标数据。

历史监测数据，是一个多指标（假设有9个指标）的时间序列数据。时间是第天到第/>天第/>时刻的。

选取第天第/>时刻的水质指标监测数据，是一个1*9的向量。

将的表达式转变为一个只有未知参数/>、/>、/>的方程。

利用信赖域反射算法求解未知参数。

第一步：首先给所有的参数定义初始值：

的初始值为0.5；

的初始序列为/>，其中/>为参数，/>；

的初始序列元素均为0；

第二步：设定评价函数，即根据真实的1*9的向量A和约束回归方程计算得到1*9的向量B。根据1*9的向量B，计算统一尺度的均方误差。

均方误差如下：

；

其中，表示均方误差。/>为参数。/>表示向量A第/>列的元素。/>表示向量/>第列的元素。

步骤S130，根据得到的参数，计算各个指标的约束回归方程预测值和实际值差值序列的偏度。

因为各个指标的约束回归方程预测值和实际值差值序列满足正态分布说明预测模型是较精准的，因此通过偏度来评判该模型对于不同水质指标的预测效果。

具体的，各个指标的约束回归方程预测值和实际值差值序列的偏度计算公式如下：

；

其中，；

其中， 为某水质指标/>的约束回归方程预测值和实际值差值序列的偏度；为某水质指标/>的误差序列；/>为误差序列的长度，/>为/>中的数据；/>为误差序列均值；/>为参数。

步骤S140，根据计算的偏度,计算水质指标的预测模型权重。

具体的，水质指标的预测模型权重计算公式如下：

；

其中，e为指标个数的数量；表示水质指标的预测模型权重；/>表示某水质指标/>的约束回归方程预测值和实际值差值序列的偏度。

步骤S150，根据约束回归方程的参数，计算得到降水时段的水质指标预测数据。

具体的，降水时段的水质指标预测数据计算公式如下：

;

其中，分别表示降水开始时刻，降水结束时刻；/>构成的预测数据集合定义为/>；/>表示降雨时刻；/>、/>、/>是约束回归方程的参数。

步骤S160，将计算降水时段的水质指标预测数据转换为水质指标数据序列。

步骤S2，将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据。

作为本发明的具体实施例，水质指标监测数据获取频率为每小时一次，而部分降雨过程持续时间较短，因此需要获得更大频率的水质指标监测数据。考虑到水质污染物在水体中输运时，其浓度的消减或者积聚在较短时间内是平滑的，因此根据贝塞尔曲线生成方法，计算分钟级别的水质指标监测数据。

定义水质指标数据序列为，对应的时间序列为，则对于/>到/>时刻之间第u分钟时刻的监测数据为：

；

其中，；/>；

其中，是/>中的数；/>的取值范围为/>；/>是贝塞尔曲线中点的计算公式；/>表示水质指标序列的元素总个数。根据上述公式计算获得的数据即为分钟级别的监测数据。

步骤S3，根据分钟级别的监测数据，计算水质指标的污染强度。

需要解释的是，水质指标的污染强度是根据降雨时间段的监测数据以及该时间段未发生降雨的预测数据计算的。

定义表示降雨时段内的预测数据经过贝塞尔曲线插值后的序列；/>表示降雨时段内的实际监测数据经过贝塞尔曲线插值后的序列。

具体的，指标此次降雨过程的污染强度的计算公式为：

；

其中，为污染强度，也就是降雨过程对水质的影响程度，其中/>；/>表示第/>时刻预测数据经过贝塞尔曲线插值后的值；/>表示第/>时刻实际监测数据经过贝塞尔曲线插值后的值；/>表示序列/>根据自变量时间拟合的函数表达式；/>表示序列根据自变量时间拟合的函数表达式；/>表示指标/>对应的曲线/>和时间轴围成的面积；/>指标/>对应的曲线/> 和时间轴围成的面积。

作为本发明的一个具体实施例，假设被监测河流的某断面在时间段（3号到4号）发生降雨，获取时间段（3号到4号）的水质指标监测数据A(该数据是受降雨影响的数据)。计算此次降雨后水质指标的污染强度，首先要根据历史数据预测出时间段（3号到4号）的数据B，然后根据A对应的曲线（贝塞尔曲线）和B对应的曲线（贝塞尔曲线），计算水质指标的污染强度。A对应的曲线（贝塞尔曲线）构成的积分除以B对应的曲线（贝塞尔曲线）构成的积分即为水质指标的污染强度。

步骤S4，根据水质指标的污染强度，计算综合指标污染强度。

具体的，综合指标污染强度的计算公式如下：

；

其中，表示综合指标污染强度；/>表示水质指标的预测模型权重；/>表示污染强度；e为指标个数的数量。

在河流水质受降雨影响较大的3个省份的24个断面，对不同雨量情形下将本发明的方法和传统的基于比值计算的方法的结论进行了对比分析。本发明方法计算得到的污染强度结果和降雨量、降雨时间的相关性更强。具体结果见下表：

实施例二

如图3所示，本申请提供一种降雨对河流水质影响的评估系统100，该系统包括：

获取模块10，用于获取水质指标数据序列；

数据处理器20，用于将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；

数据处理器20，还用于根据分钟级别的监测数据，计算水质指标的污染强度；

数据处理器20，还用于根据水质指标的污染强度，计算综合指标污染强度。

本申请实现的有益效果如下：

（1）本申请一种降雨对河流水质影响的评估方法计算得到的污染强度结果和降雨量、降雨时间的相关性更强。

（2）本申请一种降雨对河流水质影响的评估方法及系统提高评估的准确性和客观性。

在本申请的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请的描述中，“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。

以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (9)

1.一种降雨对河流水质影响的评估方法，其特征在于，该方法包括：

获取水质指标数据序列；

将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；

根据分钟级别的监测数据，计算水质指标的污染强度；

根据水质指标的污染强度，计算综合指标污染强度；

获取水质指标数据序列的方法包括如下步骤：

构建水质指标监测数据的约束回归方程；

根据历史监测数据，利用信赖域反射算法，得到约束回归方程的参数；

根据得到的参数，计算各个指标的约束回归方程预测值和实际值差值序列的偏度；

根据计算的偏度,计算水质指标的预测模型权重；

根据约束回归方程的参数，计算得到降水时段的水质指标预测数据；

将计算降水时段的水质指标预测数据转换为水质指标数据序列。

2.根据权利要求1所述的降雨对河流水质影响的评估方法，其特征在于，水质指标的污染强度的计算公式为：

；

其中，为污染强度；/>分别表示降水开始时刻，降水结束时刻；/>表示序列根据自变量时间拟合的函数表达式；/>表示序列/>根据自变量时间拟合的函数表达式；/>表示指标/>对应的曲线/>和时间轴围成的面积；/>表示指标/>对应的曲线 和时间轴围成的面积；/>表示第/>时刻预测数据经过贝塞尔曲线插值后的值；/>表示第/>时刻实际监测数据经过贝塞尔曲线插值后的值。

3.根据权利要求1所述的降雨对河流水质影响的评估方法，其特征在于，综合指标污染强度的计算公式如下：

；

其中，表示综合指标污染强度；/>表示水质指标的预测模型权重；/>表示污染强度；e为指标个数的数量。

4.根据权利要求1所述的降雨对河流水质影响的评估方法，其特征在于，构建水质指标监测数据的约束回归方程如下：

；

其中，表示指标集合/>中的指标在第/>天第/>时刻的监测数据，/>；表示没有受到降雨影响的指标集合/>中指标的历史监测数据；/>表示同期时刻部分，/>表示前期时刻部分；/>表示同期时刻部分/>的权重；/>表示距离第/>天第/>时刻的数据对第/>天第/>时刻的数据的权重；/>表示第/>天第时刻的数据变化值对第/>天第/>时刻数据的权重；/>表示同期时刻数；/>表示前期时刻数。

5.根据权利要求4所述的降雨对河流水质影响的评估方法，其特征在于，约束回归方程满足如下条件：

；

；

；

。

6.根据权利要求1所述的降雨对河流水质影响的评估方法，其特征在于，各个指标的约束回归方程预测值和实际值差值序列的偏度计算公式如下：

；

其中， 为某水质指标/>的约束回归方程预测值和实际值差值序列的偏度；/>为某水质指标/>的误差序列；/>为误差序列的长度，/>为误差序列均值；/>为参数；/>为/>中的数据。

7.根据权利要求6所述的降雨对河流水质影响的评估方法，其特征在于，其中，参数的计算公式如下：

。

8.根据权利要求1所述的降雨对河流水质影响的评估方法，其特征在于，信赖域反射算法包括：

假设第天第/>时刻开始下雨，要预测第/>时刻的指标数据。

9.一种降雨对河流水质影响的评估系统，其特征在于，该系统包括：

获取模块，用于获取水质指标数据序列；

数据处理器，用于将水质指标数据序列进行贝塞尔曲线插值运算，计算分钟级别的监测数据；

数据处理器，还用于根据分钟级别的监测数据，计算水质指标的污染强度；

数据处理器，还用于根据水质指标的污染强度，计算综合指标污染强度；

获取水质指标数据序列的方法包括如下步骤：

构建水质指标监测数据的约束回归方程；

根据历史监测数据，利用信赖域反射算法，得到约束回归方程的参数；

根据得到的参数，计算各个指标的约束回归方程预测值和实际值差值序列的偏度；

根据计算的偏度,计算水质指标的预测模型权重；

根据约束回归方程的参数，计算得到降水时段的水质指标预测数据；

将计算降水时段的水质指标预测数据转换为水质指标数据序列。