基於氣象預報的水華預警方法、裝置、介質及設備
2024-04-13 13:15:05
1.本發明涉及一種基於氣象預報的水華預警方法、裝置、介質及設備，屬於氣象預警分析領域。
背景技術：
2.隨著城鎮化的快速擴張和工業快速發展，以及農業生產中化肥、農藥的大量使用，大量城鎮生活汙水和工農業廢水流入江、河、湖、水庫等水體，使水體的汙染負荷不斷增加，造成我國內陸水體富營養化日益嚴重，「水華」事件頻繁發生。當「水華」的發生影響到水體正常的飲用、養殖、娛樂、景觀等功能時，該「水華」事件就成為了影響人們生產生活的水汙染事故。「水華」事故的發生，嚴重影響和制約了水體功能的發揮和水資源的利用，對流域的飲用水安全和社會生產造成了直接威脅。
3.漢江是長江最大支流，全長1577km，總落差1964m，其正源(北源)發源於秦嶺的沮水，集水區域廣及陝西、四川、河南、湖北4省，流域面積15.9萬km2。漢江中下遊人口密度較高，經濟較發達，經濟社會活動較為活躍，在湖北省經濟社會發展中具有重要地位。近年來，江江中下遊發生多次水華，最近一次在2018年2～3月，水華的發生越來越對該地區造成諸多不利影響，也給飲水安全帶來潛在威脅。為解決這一問題，降低水華對該地區生態環境、人民生活產生的不利影響，減少損失，建立一套可行的水華預警模型顯的十分必要。
技術實現要素：
4.針對上述技術問題，本發明提供一種基於氣象預報的水華預警方法、裝置、介質及設備，該方法從大數據挖掘上嘗試建立一套可視化的水華預警系統，為水華的研究過程及治理環節提供進一步有意義的借鑑方案。
5.為實現上述目的，本發明採取以下技術方案：
6.一種基於氣象預報的水華預警方法，包括如下步驟：
7.獲取易爆發藻華河段的歷史氣象數據，以氣溫、光照、水體流量為指標參數構建易爆發藻華河段的歷史資料庫；
8.以氣溫、光照、水體流量為自變量，相對應的歷史資料庫為應變量，構建模型，得到基於歷史相似的灰色關聯度水華組合預測模型；
9.基於歷史相似的灰色關聯度水華組合預測模型，進行相似的水華爆發特徵識別，預測未來發生相似水華事件的地點、大小和概率。
10.所述的水華預警方法，優選地，基於歷史相似的灰色關聯度水華組合預測模型的建立過程如下：
11.設定指標體系參數列和比較數列；
12.對參數列和比較數列進行無量綱處理；
13.計算無量綱處理後的參數列和比較數列的關聯繫數；
14.基於關聯繫數，根據特徵值不同賦予不同的去權重，以得到最為合理的整個數列
中比較數列與參數列的關聯度。
15.所述的水華預警方法，優選地，設定指標體系參數列和比較數列，具體如下：
16.設定指標體系參考數列為{si(k)}，比較數列為{cj(k)}：
17.{si(k)}＝{si(1)，{si(2)}，...，{si(m)}}，k∈(1，m)
18.{cj(k)}＝{cj(1)，{cj(2)}，......，{cj(m)}}，k∈(1，m)
19.式中，k＝1，2，...，m；m為每個因素的數據維度；i＝0，1，2，...，n，n為正整數；j＝0，1，2，...，n，n為正整數。
20.所述的水華預警方法，優選地，對參數列和比較數列進行無量綱處理，無量綱化方法主要有：
21.1)「極小化」處理，即：
[0022][0023]
2)「均值化」處理，即：
[0024][0025]
3)「極差化」處理，即：
[0026][0027]
上式中，ci(k)為參考數列；{bi(k)}為比較數列；{c
max
(k)}，{c
min
(k)}，σi(k)分別為ci(k)的最大值，最小值、樣本平均值以及樣本均方差。
[0028]
所述的水華預警方法，優選地，計算無量綱處理後的參數列和比較數列的關聯繫數
[0029][0030]
式中，δij(k)為{cj(k)}與{si(k)}在k點的絕對差，
[0031]
δij(k)＝|si(k)-ci(k)|；minδij(k)和maxδij(k)分別為δij(k)的最小值和最大值，ρ為分辨係數，ρ∈[0，1]，一般為0.5。
[0032]
所述的水華預警方法，優選地，基於關聯繫數，根據特徵值不同賦予不同的去權重，以得到最為合理的整個數列中比較數列與參數列的關聯度θj：
[0033][0034]
式中，wj(k)為第k特徵因素值的權重，一般為0.5，即計算各個特徵因素關聯度係數的平均值。
[0035]
本發明第二方面提供一種基於氣象預報的水華預警裝置，包括：
[0036]
第一處理單元，用於獲取易爆發藻華河段的歷史氣象數據，以氣溫、光照、水體流量為指標參數構建易爆發藻華河段的歷史資料庫；
[0037]
第二處理單元，用於以氣溫、光照、水體流量為自變量，相對應的歷史資料庫為應變量，構建模型，得到基於歷史相似的灰色關聯度水華組合預測模型；
[0038]
第三處理單元，用於基於歷史相似的灰色關聯度水華組合預測模型，進行相似的水華爆發特徵識別，預測未來發生相似水華事件的地點、大小和概率。
[0039]
本發明第三方面提供一種計算機可讀存儲介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現上述水華預警方法的步驟。
[0040]
本發明第四方面提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上並可在處理器上運行的電腦程式，所述處理器執行所述電腦程式時實現上述水華預警方法的步驟。
[0041]
本發明由於採取以上技術方案，其具有以下優點：
[0042]
本發明通過在建模方面的思路轉換，從大數據挖掘上嘗試建立一套可視化的水華預警系統，為水華的研究過程及治理環節提供進一步有意義的借鑑方案。本發明的預警方法實現了對水華發生的監測和預警，從系統角度，實現了對水華的事前監測，可最大限度的降低水華突發事件對生態環境和人們的生產生活的衝擊，減少生態環境的治理周期，提高治理效果，對保護水環境起到積極作用。
具體實施方式
[0043]
為使本發明的目的、技術方案和優點更加清楚，下面對本發明中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0044]
一場水華的爆發是一個逐漸演化的過程，包括水華爆發前的流量大小，流域的氣溫和降雨情況以及水華爆發時河段各項水質指標情況等諸多因素。針對水華預報來說，水華爆發是一個階段性的的過程，其中，每個階段都有其自身的變化規律，階段之間也具有一定的關聯性，就其每個階段的變化規律分析，大多數情況下水華爆發期間相似性的特性在歷史水華爆發資料中都是重複出現的，而這種歷史相似性對未來實際發生的水華爆發的預測以及水華爆發後的應對決策具有十分重要的借鑑價值。一方面是經由查閱大量的歷史資料得出水華過程的導致最後水華形成，其內在具有關聯性，這是從因果上分析相，另外一方面經過對歷史水華的調查和分析，得到表1歷年水華發生情況表，通過數據相似性分析手段對歷史水華進行歸類分級，找出相同破壞程度的水華，再進一步找出在不同層級的水華中與之對應的影響水華三大因素之間的關係，找出水華形成的公共關鍵因素。
[0045]
表1歷年水華發生情況表
[0046]
[0047][0048]
預測水華是否會爆發，爆發時水華的量級是多大，主要分析其水文、氣象及水質三者的關鍵性指標與歷史上水華爆發時，這三者相同關鍵性指標之間的相似度，鑑於此，尋找到能夠得到相似度大小的方法十分重要，通過查閱相關文獻得知，人工根據記憶查詢歷史相似單個例子存在著較強的主觀性，且效率較低。已經有很多研究通過各種算法、模型自動計算相似度，該方法比較高效、客觀。本技術選取灰色關聯度組合預測方法對水華進行預報和決策。
[0049]
灰色關聯度組合預測方法是根據灰色系統中離散數據之間的相似程度，來判斷關聯性大小，也就是定量的分析描述或比較系統間的各個要素在發展過程中隨不同對象(時間)而相對變化的情況，或分析時間序列曲線上，需要考察的相似指標的幾何曲線形狀的差異性，其差異性可以通過其變化的方向、速度和大小進行相似度的判定。
[0050]
假定指標體系參考數列為{si(k)}，比較數列為{cj(k)}：
[0051]
{si(k)}＝{si(1)，{si(2)}，......，{si(m)}}，k∈(1，m)，
[0052]
{cj(k)}＝{cj(1)，{cj(2)}，.....，{cj(m)}}，k∈(1，m)
[0053]
式中，k＝1，2，...，m；m為每個因素的數據維度；i＝0，1，2，...，n，n為正整數；j＝0，1，2，...，n，n為正整數。
[0054]
具體地，灰色關聯度水華組合預測模型建立的步驟如下：
[0055]
(1)對原始數據列進行無量綱處理
[0056]
由於水文、氣象和水質標準的中的各個指標的量級不同，數量級也存在相差懸殊，因為量級的不同，需要消除量綱帶來的指標數據之間的比對差異，指標體系中的無量綱化方法主要有：
[0057]
1)「極小化」處理，即：
[0058][0059]
2)「均值化」處理，即：
[0060][0061]
3)「極差化」處理，即：
[0062][0063]
上式中，ci(k)為參考數列；{bi(k)}為比較數列；{c
max
(k)}，{c
min
(k)}，σi(k)分別為ci(k)的最大值，最小值、樣本平均值以及樣本均方差。
[0064]
針對各種無量綱方法對灰色關聯序的影響，通過「中心化」處理方法，進而使體現最大的分析對象之間的差異。
[0065]
即：
[0066]
。
[0067]
(2)直接計算關聯繫數
[0068]
{cj(k)}對{si(k)}在k點的關聯繫數(反映參考數列和比較數列在某點上得關聯度程度)的計算公式為：
[0069][0070]
式中，δij(k)為{cj(k)}與{si(k)}在k點的絕對差，
[0071]
δij(k)＝|si(k)-ci(k)|；minδij(k)和maxδij(k)分別為δij(k)的最小值和最大值，ρ為分辨係數，ρ∈[0，1]，一般為0.5；(k)為{cj(k)}對{si(k)}在k點的關聯繫數。
[0072]
(3)計算關聯度
[0073]
綜合步驟(2)得到的關聯度係數，根據特徵值不同賦予不同的去權重，以得到最為合理的整個數列{cj(k)}與{si(k)}的關聯度θj：
[0074]
即
[0075][0076]
其中wj(k)為第k特徵因素值的權重，一般為0.5，即計算各個特徵因素關聯度係數
的平均值。
[0077]
通過上述方法，可以得出兩組數列集合的相似度，通過比較兩組數列集合的大小，如果關聯度比較大，則認為兩組集合數列的變化態勢基本一致或者相似，其同步變化程度高，表示兩者之間的關係越緊密。
[0078]
本發明第二方面提供一種基於氣象預報的水華預警裝置，包括：
[0079]
第一處理單元，用於獲取易爆發藻華河段的歷史氣象數據，以氣溫、光照、水體流量為指標參數構建易爆發藻華河段的歷史資料庫；
[0080]
第二處理單元，用於以氣溫、光照、水體流量為自變量，相對應的歷史資料庫為應變量，構建模型，得到基於歷史相似的灰色關聯度水華組合預測模型；
[0081]
第三處理單元，用於基於歷史相似的灰色關聯度水華組合預測模型，進行相似的水華爆發特徵識別，預測未來發生相似水華事件的地點、大小和概率。
[0082]
本發明第三方面提供一種計算機可讀存儲介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現上述水華預警方法的步驟。
[0083]
本發明第四方面提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上並可在處理器上運行的電腦程式，所述處理器執行所述電腦程式時實現上述水華預警方法的步驟。
[0084]
本發明是根據具體實施方式的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解為可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0085]
這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
[0086]
這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
[0087]
最後應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。