一种水质机理模型遥感预报动力学系统与方法与流程

1.本发明涉及环境工程技术领域，尤其涉及一种水质机理模型遥感预报动力学系统与方法。


背景技术：

2.水是地球上生命的基础，但这种宝贵的资源越来越受到威胁。在中国，据《2018年中国环境公报》可知，111个监测营养状态的湖泊(水库)中，i类水质的湖泊(水库)占6.3％；ⅱ类水质的湖泊(水库)占30.6％；ⅲ类水质的湖泊(水库)占29.7％；ⅳ类水质的湖泊(水库)占17.1％；
ⅴ
类水质的湖泊(水库)占8.1％；劣
ⅴ
类水质的湖泊(水库)占8.1％。因此，水环境问题已迫不容缓。水质机理建模能有效描述水体内部环境变化，水质评价能有效评估水质情况，二者结合能有效描述水质健康状况，对水污染防治具有现实意义，这是解决水环境问题的重要思路。
3.目前，已有的经典水质机理模型通常包含大量未知参数，且仅给定经验取值范围，在此基础上预测水质变化难以满足精度要求。


技术实现要素：

4.基于背景技术存在的技术问题，本发明提出了一种水质机理模型遥感预报动力学系统与方法。
5.本发明提出的一种水质机理模型遥感预报动力学系统，包括模型构建模块、模型结合模块、参数获取模块、分析计算模块、辨识模块和水质预测模块，所述模型构建模块、模型结合模块、参数获取模块、分析计算模块、辨识模块和水质预测模块依次连接，所述模型构建模块，基于水质指标，do、phyt、bod、op、po4、on、nh3-n和no3-n，建立水质机理模型，所述模型结合模块，将水质机理模型和混杂动态系统结合，建立可描述水体不同状态和水质退化过程的混杂水质机理模型，所述参数获取模块，用于通过混杂水质机理模型对水体环境分析获得多个离散模态，不同离散模态表示水体的不同状态，对应水质机理模型的不同模型水质参数，所述分析计算模块，用于对混杂水质机理模型中的模型参数通过参数敏感性分析方法计算出敏感性参数，所述辨识模块，利用果蝇优化算法辨识混杂水质机理模型中的水质参数，所述水质预测模块，利用蒙特卡洛仿真预测水质演化过程，获得水质指标未来时刻取值的概率分布，实现水质预测。
6.优选的，所述水质机理模型的数学模型为溶解氧、浮游植物、碳生化需氧量、有机磷、正磷酸盐、有机氮、氨氮和硝酸盐氮8个水质指标方程组成的一组非线性连续微分方程组。
7.优选的，所述水质预测模块采用交互多模型算法估计水质演化状态，对水质的健康风险进行评估。
8.一种水质机理模型遥感预报动力学的方法，包括如下步骤：
9.s1建立水质机理模型，基于水质指标，do、phyt、bod、op、po4、on、nh3-n和no3-n，建
立水质机理模型；
10.s2将水质机理模型和混杂动态系统结合，建立可描述水体不同状态和水质退化过程的混杂水质机理模型；
11.s3通过混杂水质机理模型对水体环境分析获得多个离散模态，不同离散模态表示水体的不同状态，对应水质机理模型的不同模型水质参数；
12.s4对混杂水质机理模型中的模型参数通过参数敏感性分析方法计算出敏感性参数；
13.s5利用果蝇优化算法辨识混杂水质机理模型中的水质参数；
14.将果蝇优化算法寻优过程中的模型参数代入味道浓度函数中，获得该组模型参数的味道浓度，在果蝇种群中，对比每个果蝇的味道浓度，并找出最优的味道浓度和该果蝇位置，其余果蝇利用视觉飞往所述的最佳位置，最后在不断迭代过程中获得最优参数解；
15.s6利用蒙特卡洛仿真预测水质演化过程，获得水质指标未来时刻取值的概率分布，实现水质预测。
16.优选的，所述步骤s5果蝇优化算法中的味道浓度根据水质指标在各时刻的误差来设置，误差越小，味道浓度越佳，代表未知参数越优。
17.优选的，所述do、phyt、bod、op、po4、on、nh3-n和no3-n分别为溶解氧、浮游植物、碳生化需氧量、有机磷、正磷酸盐、有机氮、氨氮和硝酸盐氮。
18.优选的，所述步骤s5对比寻优过程：排列果蝇，找到味道浓度最小的果蝇，将该果蝇位置记为最优位置；保存最小味道浓度为最佳味道浓度；重新定位果蝇群体位置。
19.本发明中，所述一种水质机理模型遥感预报动力学系统与方法，建立基于混杂动态系统的水质机理模型，弥补了一般性水质机理模型在有效建模水质演化过程的不足，通过该果蝇优化算法方法获得水质机理建模准确度更高，弥补了单一定值的水质预测的不精确性，降低了预测的偶然性。
附图说明
20.图1为本发明提出的一种水质机理模型遥感预报动力学系统的框图；
21.图2为本发明提出的一种水质机理模型遥感预报动力学方法的流程图。
具体实施方式
22.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。
23.参照图1-2，一种水质机理模型遥感预报动力学系统，包括模型构建模块、模型结合模块、参数获取模块、分析计算模块、辨识模块和水质预测模块，模型构建模块、模型结合模块、参数获取模块、分析计算模块、辨识模块和水质预测模块依次连接，模型构建模块，基于水质指标，do、phyt、bod、op、po4、on、nh3-n和no3-n，建立水质机理模型，模型结合模块，将水质机理模型和混杂动态系统结合，建立可描述水体不同状态和水质退化过程的混杂水质机理模型，参数获取模块，用于通过混杂水质机理模型对水体环境分析获得多个离散模态，不同离散模态表示水体的不同状态，对应水质机理模型的不同模型水质参数，分析计算模块，用于对混杂水质机理模型中的模型参数通过参数敏感性分析方法计算出敏感性参
数，辨识模块，利用果蝇优化算法辨识混杂水质机理模型中的水质参数，水质预测模块，利用蒙特卡洛仿真预测水质演化过程，获得水质指标未来时刻取值的概率分布，实现水质预测。
24.本发明中，水质机理模型的数学模型为溶解氧、浮游植物、碳生化需氧量、有机磷、正磷酸盐、有机氮、氨氮和硝酸盐氮8个水质指标方程组成的一组非线性连续微分方程组。
25.本发明中，水质预测模块采用交互多模型算法估计水质演化状态，对水质的健康风险进行评估。
26.一种水质机理模型遥感预报动力学的方法，包括如下步骤：
27.s1建立水质机理模型，基于水质指标，do、phyt、bod、op、po4、on、nh3-n和no3-n，建立水质机理模型；
28.s2将水质机理模型和混杂动态系统结合，建立可描述水体不同状态和水质退化过程的混杂水质机理模型；
29.s3通过混杂水质机理模型对水体环境分析获得多个离散模态，不同离散模态表示水体的不同状态，对应水质机理模型的不同模型水质参数；
30.s4对混杂水质机理模型中的模型参数通过参数敏感性分析方法计算出敏感性参数；
31.s5利用果蝇优化算法辨识混杂水质机理模型中的水质参数；
32.将果蝇优化算法寻优过程中的模型参数代入味道浓度函数中，获得该组模型参数的味道浓度，在果蝇种群中，对比每个果蝇的味道浓度，并找出最优的味道浓度和该果蝇位置，其余果蝇利用视觉飞往的最佳位置，最后在不断迭代过程中获得最优参数解；
33.s6利用蒙特卡洛仿真预测水质演化过程，获得水质指标未来时刻取值的概率分布，实现水质预测。
34.本发明中，步骤s5果蝇优化算法中的味道浓度根据水质指标在各时刻的误差来设置，误差越小，味道浓度越佳，代表未知参数越优。
35.本发明中，do、phyt、bod、op、po4、on、nh3-n和no3-n分别为溶解氧、浮游植物、碳生化需氧量、有机磷、正磷酸盐、有机氮、氨氮和硝酸盐氮。
36.本发明中，步骤s5对比寻优过程：排列果蝇，找到味道浓度最小的果蝇，将该果蝇位置记为最优位置；保存最小味道浓度为最佳味道浓度；重新定位果蝇群体位置。
37.本发明：建立水质机理模型，基于水质指标，do、phyt、bod、op、po4、on、nh3-n和no3-n，建立水质机理模型；将水质机理模型和混杂动态系统结合，建立可描述水体不同状态和水质退化过程的混杂水质机理模型；通过混杂水质机理模型对水体环境分析获得多个离散模态，不同离散模态表示水体的不同状态，对应水质机理模型的不同模型水质参数；对混杂水质机理模型中的模型参数通过参数敏感性分析方法计算出敏感性参数；利用果蝇优化算法辨识混杂水质机理模型中的水质参数；将果蝇优化算法寻优过程中的模型参数代入味道浓度函数中，获得该组模型参数的味道浓度，在果蝇种群中，对比每个果蝇的味道浓度，并找出最优的味道浓度和该果蝇位置，其余果蝇利用视觉飞往的最佳位置，最后在不断迭代过程中获得最优参数解；利用蒙特卡洛仿真预测水质演化过程，获得水质指标未来时刻取值的概率分布，实现水质预测。
38.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。