短期水质污染的快速预测预警方法、系统、介质及设备

本发明涉及水质预测领域，更具体地说，涉及一种短期水质污染的快速预测预警方法、系统、介质及设备。

背景技术：

1、开展重要饮用水源地、水资源保护区和浴场等重点区域的短期水质污染快速预测和预警，对于保护区域水质安全具有重要的意义。在缺乏实时水质监测的水体中，通常采用人工检测。然而，由于人工检测的采样频率低，且水质检测过程从采样到得到结果，单纯依靠标准实验室方法，需要24 至48 小时甚至更长的等待时间，这期间可能爆发水质污染，从而带来严重的危害。如果能在污染发生前，快速进行水质预测预报，从而发现可能存在的污染，对于保护水生态环境，避免由此带来的污染损伤具有重要的意义。

2、当前，开展短期快速水质预测预报，已经有了诸多的方法，如多元线性回归、广义最小二乘法、逻辑回归、随机森林、支持向量机和人工神经网络以及机理模型等等。这些方法都存在一个共同的需求，那就是需要大量的输入参数，以及外部条件。对于机理模型而言，降雨、外部污染源等集成信息是主要的外部条件。但一般情况下，一般条件下，很难完整的掌握包括实测水质数据、周边污染源的入汇数据以及降雨数据的丰富数据集。历史数据采样频率不够，数据较为稀少，从而使得这类方法就很难进行准确的水质预测和预报。而非机理模型等方法，大部分依赖监督学习，需要有丰富的历史训练集对模型进行初步的训练，从而实现对未来的预测预报。这使得单纯以水质数据作为历史数据进行预测的模型的，其模拟的准确度，与训练集的大小和质量存在重要的关系。且水质数据相比于降雨和流量数据，具有更复杂和更随机的特点，很难利用回归预测、神经网络等方面进行准确预测；而降雨和流量数据，则具有明显的时间变化特性，利用现有时序预测方法能较好的进行预测；因此，如何在缺少某些类型数据的条件下，充分利用降雨和流量等数据，开展短期水质预测预警是当前该领域的主要难点问题。

技术实现思路

1、本发明的目的在于，提供一种短期水质污染的快速预测预警方法、系统、介质及设备，能提升短期水质评估预警的效率，减少错失污染事件预警的风险，且能适应于数据稀缺条件下的水质预测预警，从而提高水质的安全管理能力。

2、本发明提供一种短期水质污染的快速预测预警方法、系统、介质及设备，短期水质污染的快速预测预警方法包括以下步骤：

3、s1：获取数据集，数据集包括位置数据、降雨数据、流量数据和水质数据；

4、s2：构建水质预测算法模型，利用数据集对水质预测算法模型进行训练，得到训练好的水质预测算法模型；

5、s3：获取未来降雨和流量预测模型；根据数据集，利用未来降雨和流量预测模型，得到未来降雨数据和未来流量数据；

6、s4：根据未来降雨数据和未来流量数据，利用训练好的水质预测算法模型，得到未来短期水质指标所在的水质等级区间的概率分布；

7、s5：根据未来短期水质指标所在的水质等级区间的概率分布，得到未来水质所处的水质级别。

8、进一步地，上述的短期水质污染的快速预测预警方法的步骤s2具体包括：

9、s21：获取降雨状态组和流量状态组，其中降雨状态组包括干旱组、中湿组、高湿组和超高湿组，流量状态组包括低流组、中流组、高流组和超高湿组；

10、s22：根据降雨状态组和流量状态组，构建水文状态系数判断方程，根据水文状态系数判断方程，得到第一水文状态系数和第二水文状态系数：

11、，

12、其中，kp1为第一水文状态系数，kf1为第二水文状态系数，p为所录入历史数据前3天的累积降雨量，f为录入历史数据前3天的累积流量占所有录入历史数据的累积流量的比值；dp、mp、ep和hp为基于累积降雨量得到的降雨组类别，其中，dp为干旱组，mp中湿组，ep为高湿组，hp为超高湿组；lf、mf、ef和hf为基于累积流量得到的流量组类别，lf为低流组， mf为中流组，ef为高流组，hf为超高湿组；

13、s23：获取集合预报水文状态组，集合预报水文状态组包括超高水文状态、高水文状态、中水文状态和低水文状态；

14、s24：根据第一水文状态系数和第二水文状态系数，利用狄利克雷过程，得到集合预报水文状态组中各集合预报水文状态的概率；

15、s25：根据预设水质标准，得到水质状态系数；

16、s26：根据集合预报水文状态组及其各集合预报水文状态的概率，构建水质预测算子，如公式：

17、，

18、其中，y为水质预测算子，x为集合预报水文状态组中各集合预报水文状态， p(y|x)表示在集合预报水文状态条件下水质浓度在水质状态系数的各组中的分布概率，p(x|y)为已知水质浓度情况下的水文状态，水文状态包括超高水文状态、高水文状态、中水文状态和低水文状态；p(y)为水质浓度的分布概率，p(x)为集合预报水文状态x的概率；

19、s27：根据降雨状态组、流量状态组、第一水文状态系数、第二水文状态系数、集合预报水文状态组、集合预报水文状态的概率、水质状态系数、水质预测算子，得到水质预测算法模型；利用数据集对水质预测算法模型进行训练，得到集合预报水文状态的概率、水质浓度的分布概率和已知水质浓度情况下的水文状态；根据集合预报水文状态的概率、水质浓度的分布概率和已知水质浓度情况下的水文状态，得到训练好的水质预测算法模型。

20、进一步地，上述的短期水质污染的快速预测预警方法的降雨数据包括每个监测站点的降雨的每日平均值，流量数据包括每个监测站点的流量的每日平均值，水质数据包括每个监测站点的水质浓度的每日平均值。

21、进一步地，上述的短期水质污染的快速预测预警方法的数据集由监测站点的水文和水质数据进行数据清洗得到，数据清洗包括：对于空值和0值，将该数据点所在时间点的最靠近的时间点的非0值和非空值作为该数据点所在时间点的值；对于低于最小预设限定值的数据值，将最小预设限定值作为该数据点的值；对于高于最大预设限定值的数据值，将最大预设限定值作为该数据点的值；如果同一地理位置有多个监测站点，则将每个监测站点单独作为一个样本站点处理。

22、本发明还提供一种系统，包括以下模块：

23、数据获取模块，配置为：获取数据集，数据集包括位置数据、降雨数据、流量数据和水质数据；

24、模型构建和训练模块，配置为：构建水质预测算法模型，利用数据集对水质预测算法模型进行训练，得到训练好的水质预测算法模型；

25、水文预测模块，配置为：获取未来降雨和流量预测模型；根据数据集，利用未来降雨和流量预测模型，得到未来降雨数据和未来流量数据；

26、水文-水质预测模块，配置为：根据未来降雨数据和未来流量数据，利用训练好的水质预测算法模型，得到未来短期水质指标所在的水质等级区间的概率分布；

27、水质结果获取模块，配置为：根据未来短期水质指标所在的水质等级区间的概率分布，得到未来水质所处的水质级别。

28、进一步地，上述系统的模型构建和训练模块具体配置为：

29、获取降雨状态组和流量状态组，其中降雨状态组包括干旱组、中湿组、高湿组和超高湿组，流量状态组包括低流组、中流组、高流组和超高湿组；

30、根据降雨状态组和流量状态组，构建水文状态系数判断方程，根据水文状态系数判断方程，得到第一水文状态系数和第二水文状态系数：

31、，

32、其中，kp1为第一水文状态系数，kf1为第二水文状态系数，p为所录入历史数据前3天的累积降雨量，f为录入历史数据前3天的累积流量占所有录入历史数据的累积流量的比值；dp、mp、ep和hp为基于累积降雨量得到的降雨组类别，其中，dp为干旱组，mp中湿组，ep为高湿组，hp为超高湿组；lf、mf、ef和hf为基于累积流量得到的流量组类别，lf为低流组， mf为中流组，ef为高流组，hf为超高湿组；

33、获取集合预报水文状态组，集合预报水文状态组包括超高水文状态、高水文状态、中水文状态和低水文状态；

34、根据第一水文状态系数和第二水文状态系数，利用狄利克雷过程，得到集合预报水文状态组中各集合预报水文状态的概率；

35、根据预设水质标准，得到水质状态系数；

36、根据集合预报水文状态组及其各集合预报水文状态的概率，构建水质预测算子，如公式：

37、，

38、其中，y为水质预测算子，x为集合预报水文状态组中各集合预报水文状态， p(y|x)表示在集合预报水文状态条件下水质浓度在水质状态系数的各组中的分布概率，p(x|y)为已知水质浓度情况下的水文状态，水文状态包括超高水文状态、高水文状态、中水文状态和低水文状态；p(y)为水质浓度的分布概率，p(x)为集合预报水文状态x的概率；

39、根据降雨状态组、流量状态组、第一水文状态系数、第二水文状态系数、集合预报水文状态组、集合预报水文状态的概率、水质状态系数、水质预测算子，得到水质预测算法模型；利用数据集对水质预测算法模型进行训练，得到集合预报水文状态的概率、水质浓度的分布概率和已知水质浓度情况下的水文状态；根据集合预报水文状态的概率、水质浓度的分布概率和已知水质浓度情况下的水文状态，得到训练好的水质预测算法模型。

40、进一步地，上述系统的降雨数据包括每个监测站点的降雨的每日平均值，流量数据包括每个监测站点的流量的每日平均值，水质数据包括每个监测站点的水质浓度的每日平均值。

41、进一步地，上述系统的数据集由监测站点的水文和水质数据进行数据清洗得到，数据清洗包括：对于空值和0值，将该数据点所在时间点的最靠近的时间点的非0值和非空值作为该数据点所在时间点的值；对于低于最小预设限定值的数据值，将最小预设限定值作为该数据点的值；对于高于最大预设限定值的数据值，将最大预设限定值作为该数据点的值；如果同一地理位置有多个监测站点，则将每个监测站点单独作为一个样本站点处理。

42、本发明还提供计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述短期水质污染的快速预测预警方法的步骤。

43、本发明还提供计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现上述的短期水质污染的快速预测预警方法的步骤。

44、实施本发明提供的短期水质污染的快速预测预警方法、系统、介质及设备，具有以下有益效果：

45、本发明从寻求驱动水质变化的主要因子入手，对降雨、流量数据进行分组划分，形成水文状态系数判断方程，得到水文状态参数；基于狄利克雷过程，利用降雨和流量的水文状态组推求集合水文状态；构建以集合水文状态为自变量、水质为因变量的预测模型；利用长短记忆神经网络模型或回归预测模型得到未来条件下的降雨和流量预测；利用水质预测模型实现对未来水文状态下的水质预测，并开展水质预警；解决了信息量不足导致短期水质预测失败的问题，能够提升短期水质评估预警的效率，减少错失污染事件预警的风险，从而提高水质的安全管理能力。