多指标关联的河流水质评价方法、系统、设备及存储介质

1.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：

2.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。
3.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。
4.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。
5.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。
6.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。


技术实现要素：

7.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。
8.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：
9.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；
10.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；
11.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；
12.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；
13.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。
14.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：
15.采集的理化特征包括：酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n；
16.采集的水文特征包括：流速、水量；
17.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。
18.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：
19.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：
20.xi＝xi(k),i＝1,2
…
5,k＝1,2
…
6，
21.其中i对应水质分级中的5级，k对应所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n的参考值；
22.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：
23.x0＝x0(k),i＝1,2
…
5,k＝1,2
…
6，
24.k对应所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n的采样值，并对数据进行归一化处理；
25.计算所述采样数列与所述比较数列灰关联系数ξi(k)：
26.27.其中，ρ为分辨系数，取ρ＝0.5；
28.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：
[0029][0030]
其中ak是所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-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；
[0031]
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；
[0032]
根据所述i值，得到待评价水质样本的理化特征评分值w0：
[0033]
w0＝5-i,i＝0,2...4。
[0034]
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：
[0035]
为水文特征和生物特征构建评价标准表：
[0036]
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；
[0037]
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；
[0038]
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；
[0039]
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。
[0040]
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：
[0041]
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；
[0042]
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。
[0043]
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：
[0044]
河流水质综合评价分数r为：
[0045][0046]
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：
[0047]
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；
[0048]
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；
[0049]
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。
[0050]
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。
[0051]
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。
[0052]
实施本发明，具有如下有益效果：
[0053]
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
[0054]
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；
[0055]
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；
[0056]
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；
[0057]
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；
[0058]
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
[0059]
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。
[0060]
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：
[0061]
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；
[0062]
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；
[0063]
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；
[0064]
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；
[0065]
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。
[0066]
步骤s1，具体如下：
[0067]
采集的理化特征包括：酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n；
[0068]
采集的水文特征包括：流速、水量；
[0069]
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。
[0070]
步骤s2，具体如下：
[0071]
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：
[0072]
xi＝xi(k),i＝1,2
…
5,k＝1,2
…
6，
[0073]
其中i对应水质分级中的5级，k对应所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n的参考值；
[0074]
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：
[0075]
x0＝x0(k),i＝1,2
…
5,k＝1,2
…
6，
[0076]
k对应所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-n的采样值，并对数据进行归一化处理；
[0077]
s2-2，计算所述采样数列与所述比较数列灰关联系数ξi(k)：
[0078][0079]
其中，ρ为分辨系数，取ρ＝0.5；
[0080]
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：
[0081][0082]
其中ak是所述酚、cod
cr
、bod5、石油类、nh
4-n、no
2-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；
[0083]
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；
[0084]
根据所述i值，得到待评价水质样本的理化特征评分值w0：
[0085]
w0＝5-i,i＝0,2...4。
[0086]
步骤s3，具体如下：
[0087]
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：
[0088]
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；
[0089]
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；
[0090]
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；
[0091]
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。
[0092]
步骤s4，具体如下：
[0093]
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；
[0094]
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。
[0095]
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：
[0096]
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；
[0097]
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；
[0098]
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。
[0099]
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。
[0100]
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。
[0101]
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。