一种黑臭水体关键控制变量及其目标值的确定方法技术

本发明专利技术公开了一种黑臭水体关键控制变量及其目标值的确定方法，包括以下步骤：(1)搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe，总磷浓度P，总氮浓度N，溶解氧浓度D及叶绿素a浓度C的观测数据；获得亚铁离子浓度对应的密度函数；(2)获得新的总磷浓度数据P

【技术实现步骤摘要】
一种黑臭水体关键控制变量及其目标值的确定方法
本专利技术涉及一种黑臭水体关键控制变量及其目标值的确定方法，属于水质管理领域。
技术介绍
随着我国经济和社会的高速发展，我国很多城市水体频繁发生黑臭现象。经研究，水体黑臭现象多源于水体中硫化亚铁的存在；但是硫化亚铁浓度难于直接控制，而只能够通过控制其它环境变量间接控制其浓度。在目前的研究中，并没有能够确定天然水体中对硫化亚铁浓度起关键控制作用变量的方法，也缺少制定黑臭水体中关键控制变量管理目标值的方法。
技术实现思路
本专利技术的目的就是为了克服已有技术的缺点，科学合理的确定对黑臭水体起关键控制作用的变量，并制定该控制变量的管理目标值，提供了一种黑臭水体关键控制变量及其目标值的确定方法；本专利技术易于在黑臭水体治理中推广。本专利技术的目的是这样实现的，为解决上述技术问题，本专利技术的黑臭水体关键控制变量及其目标值的确定方法，包括以下步骤：(1)搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe，总磷浓度P，总氮浓度N，溶解氧浓度D以及叶绿素a浓度C的观测数据；计算亚铁离子浓度观测数据的累积分布函数F(Fe)，并用核密度估计获得该函数对应的密度函数f(Fe)；(2)随机从总磷浓度观测数据P的最小值和最大值范围内生成n组均匀分布随机数，取代总磷的观测数据作为新的总磷浓度数据P'；(3)随机从总磷浓度，总氮浓度，溶解氧浓度以及叶绿素a浓度中选取m个变量为自变量；并从所有观测值中运用提靴法随机抽取I组数据作为自变量的样本，以对应的I组亚铁离子浓度为因变量的样本，运用回归树算法获得1棵不剪枝回归树；(4)步骤(3)重复k次获得k棵不剪枝回归树，k≥100；(5)根据k颗回归树的结果，加权得到给定总磷浓度，总氮浓度，溶解氧浓度以及叶绿素a浓度数据时，亚铁离子浓度的n组伪累积分布函数G(Fe)；并用核密度估计获得该函数对应的密度函数g(Fe)；(6)计算F(Fe)与n组G(Fe)间Jensen-Shannon散度，取其最大值作为总磷重要性的度量；(7)分别用总氮、溶解氧及叶绿素a取代总磷重复步骤(2)-(6)得到总氮、溶解氧及叶绿素a的重要性；(8)取总磷、总氮、溶解氧及叶绿素a重要性最大的变量作为黑臭水体的关键控制变量；(9)在最邻近黑臭水体的正常水体中测量关键控制变量的平均值，作为黑臭水体中该关键控制变量的管理目标值。作为优选，步骤(1)具体包括以下步骤：a.搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe，总磷浓度P，总氮浓度N，溶解氧浓度D以及叶绿素a浓度C的观测数据；保证n大于50；b.将亚铁离子浓度Fe从小到大排列，获得亚铁离子观测数据的累积分布函数F(Fe)；累积分布函数由下式计算：其中AFe是亚铁离子观测数据中数值小于Fe的个数。c.根据获得的累积分布函数，利用核密度估计获得对应的概率密度估计f(Fe)，密度估计所用核函数可用高斯核。作为优选，步骤(2)具体包括以下步骤：a.确定总磷观测数据P的最大值MAX和最小值MIN；b.利用均匀分布随机数的乘同余发生器，在MAX与MIN之间生成n组均匀分布的随机数P'；并将生成的随机数分配给n组观测数据，每组1个随机数，取代其原有的总磷观测数据，成为新的数据集，并记为zt,t＝1,…,n。作为优选，步骤(3)具体包括以下步骤：a.随机从总磷浓度，总氮浓度，溶解氧浓度以及叶绿素a浓度这4个观测变量中选取m(m<5)个变量；b.从总磷浓度P'，总氮浓度N，溶解氧浓度D以及叶绿素a浓度C的观测数据集zt,t＝1,…,n中运用提靴法随机抽取I(I≥m3)组数据xi,i＝1,…,I，抽取对应的I组亚铁离子浓度Fei，i＝1,…,I；c.根据a和b步抽取自变量的结果，以xi中被抽中的观测变量为自变量，以对应的亚铁离子浓度为因变量，运用回归树算法(CART)获得1棵不剪枝回归树。作为优选，步骤(5)具体包括以下步骤：a.确定观测数据z在每颗回归树中所属的叶片；同时确定所有与z属于同一叶片的观测数据及其总个数Az；b.若zt与z属于同一叶片，则以下式计算每一颗回归树中观测值zt对z的权重λs(z,zt)：否则zt在该颗回归树中对z的权重为0c.以下式计算zt在k颗回归树中对z的总权重ω(z,zt)：d.以下式计算zt对应的亚铁离子浓度的伪累积分布函数G(Fe):其中，若zt对应的亚铁离子浓度Fet小于或等于Fe则ID(zt)＝1，否则ID(zt)＝0。e.对n组数据重复执行5(a)-5(d)，计算每组数据对应的G(Fe)。f.根据获得的伪累积分布函数，利用核密度估计获得对应的伪概率密度估计g(Fe)。作为优选，步骤(6)具体包括以下步骤：a.对n组G(Fe)用下式计算其与F(Fe)的Jensen-Shannon散度JSD：其中：f(x)和g(x)，分别是F和G对应的概率密度函数。b.在n组JSD散度中取最大值，作为总磷对黑臭水体重要性的度量。作为优选，步骤(9)具体包括以下步骤：a.在地图上确定距离黑臭水体最近，且未发生黑臭现象的正常水体；b.测量该正常水体中关键控制变量的值，取其平均值作为黑臭水体中关键控制变量的管理目标值。有益效果：本专利技术结合黑臭水体中关键环境变量的观测值与统计学方法，提出了一种确定控制水体黑臭关键变量及其管理目标值的方法。该方法对所用数据无任何特殊要求，能够全面的确定对黑臭水体治理最为关键的环境控制变量并确定该变量的管理目标值，易于在各种黑臭水体的管理中推广使用。附图说明图1为本专利技术的流程图；图2为亚铁离子浓度观测值的概率密度函数图；图3为亚铁离子浓度与溶解氧、总氮和总磷的回归树。具体实施方式下面结合附图和我国东部某黑臭河道的实测数据对本
技术实现思路
作进一步说明：(1)按照图1所示流程图步骤：a.从文献及实际监测中获得该黑臭河道亚铁离子浓度Fe，总磷浓度P，总氮浓度N，溶解氧浓度D以及叶绿素a浓度C的观测数据共69组。b.将亚铁离子浓度Fe从小到大排列，获得亚铁离子观测数据的累积分布函数F(Fe)；累积分布函数由下式计算：c.利用获得的F(Fe)及核密度估计方法获得如图2所示的核密度函数，核密度估计用高斯核完成。(2)将总磷观测值从小到大排列；获得其最大值为2.38毫克/升，最小值为0.143毫克/升。利用乘同余均匀分布随机数发生器在此范围内生成69组随机数，并分配给观测数据，取代总磷的真实观测值参与随后计算。(3)随机从总磷浓度，总氮浓度，溶解氧浓度以及叶绿素a浓度中选取m个变量为自变量；并从所有观测值中运用提靴法随机抽取I组数据作为自变量的样本。在本例中第一次选取总磷、总氮和溶解氧作为自变量，亚铁离子浓度为因变量；选取对应的52组数据为样本，用回归树算法构造不剪枝的回归树，结果如图3所示。(4)步骤(3)重复158次，得到158颗与图3类似的回归树。(5)步骤(5)分为多个步骤：a.确定观测数据z在每颗回归树中所属的叶片；同时确定所有与z属于同一叶片的观测数据及其总个数Az；例如有一组观测值其总磷、总氮、溶解氧及叶绿素a浓度的数据分别为0.58毫克/升、1.3毫克/升、2.04毫克/升、1.06毫克/升及21.04微克/升；在图3所示回归树中，由于叶绿素a浓度未被考虑，因此查找该数据所属叶片时不考虑这个变量本文档来自技高网...

【技术保护点】
1.一种黑臭水体关键控制变量及其目标值的确定方法，其特征在于，包括以下步骤：(1)搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe、总磷浓度P、总氮浓度N、溶解氧浓度D以及叶绿素a浓度C的观测数据；计算亚铁离子浓度观测数据的累积分布函数F(Fe)，并用核密度估计获得该函数对应的密度函数f(Fe)；(2)随机从总磷浓度观测数据P的最小值和最大值范围内生成n组均匀分布随机数，取代总磷的观测数据作为新的总磷浓度数据P'；(3)随机从总磷浓度、总氮浓度、溶解氧浓度以及叶绿素a浓度中选取m个变量为自变量；并从所有观测值中运用提靴法随机抽取I组数据作为自变量的样本，以对应的I组亚铁离子浓度为因变量的样本，运用回归树算法获得1棵不剪枝回归树；(4)步骤(3)重复k次获得k棵不剪枝回归树，k≥100；(5)根据k颗回归树的结果，加权得到给定总磷浓度、总氮浓度、溶解氧浓度以及叶绿素a浓度数据时，亚铁离子浓度的n组伪累积分布函数G(Fe)，并用核密度估计获得该函数对应的密度函数g(Fe)；(6)计算F(Fe)与n组G(Fe)间Jensen‑Shannon散度，取其最大值作为总磷重要性的度量；(7)分别用总氮、溶解氧及叶绿素a取代总磷重复步骤(2)‑(6)得到总氮、溶解氧及叶绿素a的重要性；(8)取总磷、总氮、溶解氧及叶绿素a重要性最大的变量作为黑臭水体的关键控制变量；(9)在最邻近黑臭水体的正常水体中测量关键控制变量的平均值，作为黑臭水体中该关键控制变量的管理目标值。...

【技术特征摘要】
1.一种黑臭水体关键控制变量及其目标值的确定方法，其特征在于，包括以下步骤：(1)搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe、总磷浓度P、总氮浓度N、溶解氧浓度D以及叶绿素a浓度C的观测数据；计算亚铁离子浓度观测数据的累积分布函数F(Fe)，并用核密度估计获得该函数对应的密度函数f(Fe)；(2)随机从总磷浓度观测数据P的最小值和最大值范围内生成n组均匀分布随机数，取代总磷的观测数据作为新的总磷浓度数据P'；(3)随机从总磷浓度、总氮浓度、溶解氧浓度以及叶绿素a浓度中选取m个变量为自变量；并从所有观测值中运用提靴法随机抽取I组数据作为自变量的样本，以对应的I组亚铁离子浓度为因变量的样本，运用回归树算法获得1棵不剪枝回归树；(4)步骤(3)重复k次获得k棵不剪枝回归树，k≥100；(5)根据k颗回归树的结果，加权得到给定总磷浓度、总氮浓度、溶解氧浓度以及叶绿素a浓度数据时，亚铁离子浓度的n组伪累积分布函数G(Fe)，并用核密度估计获得该函数对应的密度函数g(Fe)；(6)计算F(Fe)与n组G(Fe)间Jensen-Shannon散度，取其最大值作为总磷重要性的度量；(7)分别用总氮、溶解氧及叶绿素a取代总磷重复步骤(2)-(6)得到总氮、溶解氧及叶绿素a的重要性；(8)取总磷、总氮、溶解氧及叶绿素a重要性最大的变量作为黑臭水体的关键控制变量；(9)在最邻近黑臭水体的正常水体中测量关键控制变量的平均值，作为黑臭水体中该关键控制变量的管理目标值。2.根据权利要求1所述的一种黑臭水体关键控制变量及其目标值的确定方法，其特征在于：所述步骤(1)，具体包括以下步骤：a.搜集或监测需要治理的黑臭水体n组亚铁离子浓度Fe、总磷浓度P、总氮浓度N、溶解氧浓度D以及叶绿素a浓度C的观测数据；保证n大于50；b.将亚铁离子浓度Fe从小到大排列，获得亚铁离子观测数据的累积分布函数F(Fe)；累积分布函数由下式计算：其中AFe是亚铁离子观测数据中数值小于Fe的个数；c.根据获得的累积分布函数，利用核密度估计获得对应的概率密度估计f(Fe)。3.根据权利要求1所述的一种黑臭水体关键控制变量及其目标值的确定方法，其特征在于：所述步骤(2)，具体包括以下步骤：a.确定总磷观测数据P的最大值MAX和最小值MIN；b.利用均匀分布随机数的乘同余发生器，在MAX与MIN之间生成n组均匀分布的随机数...

【专利技术属性】
技术研发人员：汪靓，程吉林，王玉琳，程浩淼，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏,32