一种通过多目标不确定性分析进行湖泊水质模型预测的方法技术

本发明专利技术公开了一种通过多目标不确定性分析进行湖泊水质模型预测的方法，包括以下步骤：(1)确定进行水质预测的模型及其参数；(2)确定模型参数的取值范围及分布特征；(3)确定进行参数不确定性分析的多个目标函数；(4)确定对应情况下目标函数的取值；(5)比较获得目标函数下的帕累托集对应的占优参数集；(6)进行双参数不确定性分析：(7)利用核函数估计并画出每一个参数在占优集中的密度分布，概率密度最高处对应的取值即为模型参数率定结果；(8)搜集预测所需边界条件和率定的参数一起代入模型，进行水质预测。本发明专利技术能够同时给定水质模型参数的不确定性及参数率定，并进行预测，能够极大的节省模型运用所需要的时间，为湖泊水质管理提供参考信息和依据。

A method of predicting lake water quality model by multi-objective uncertainty analysis

The invention discloses a method for predicting lake water quality model by multi-objective uncertainty analysis, which includes the following steps: (1) determining the model and parameters for water quality prediction; (2) determining the range and distribution characteristics of model parameters; (3) determining multiple objective functions for parameter uncertainty analysis; (4) determining the values of objective functions under corresponding circumstances; (5) comparing and obtaining. The dominant parameter set corresponding to Pareto set under objective function is obtained; (6) Two-parameter uncertainty analysis is carried out: (7) The density distribution of each parameter in the dominant set is estimated and drawn by using the kernel function, and the corresponding value at the highest probability density is the result of calibration of model parameters; (8) The boundary conditions and calibrated parameters required for prediction are collected and substituted into the model for water quality prediction. The invention can give the uncertainty and calibration of water quality model parameters at the same time, and predict them. It can greatly save the time needed for model application and provide reference information and basis for lake water quality management.

【技术实现步骤摘要】
一种通过多目标不确定性分析进行湖泊水质模型预测的方法
本专利技术涉及一种通过多目标不确定性分析进行湖泊水质模型预测的方法，属于湖泊水质管理领域。
技术介绍
受工农业污染排放的影响，我国大部分湖泊水质状况趋于恶化，污染问题频繁。为了保护湖泊水质及生态安全，运用湖泊水质模型进行污染预测是一种必要的手段。在使用湖泊水质模型进行预测的过程中，对模型的参数进行不确定性分析及率定是极其重要的步骤。目前，水质模型的不确定性分析大多为但目标不确定性分析不足以反映湖泊水质和生态的多样性；而现有的多目标不确定性分析由于需要通过权重将其转化为单目标分析，因此权重的选取非常主观随意。此外，目前水质模型参数的率定与参数不确定性分析相互分离，在完成不确定性分析以后还需要对参数率定优化，这大大的增加了模型应用的计算成本，极大的阻碍了模型预测的推广和应用。
技术实现思路
本专利技术的目的在于针对上述存在的问题，为了克服现有技术中存在的不足，提供一种通过多目标不确定性分析进行湖泊水质模型预测的方法。本方法能够客观的对水质模型的参数进行多目标不确定性分析，并同时完成参数的率定工作，从而大大减少了湖泊水质模型预测的计算工作量。本专利技术的目的是这样实现的，一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，包括以下步骤：(1)搜集所要预测水质的湖泊及其边界河流的监测数据，确定进行水质预测的模型及其参数；(2)确定模型参数的取值范围及分布特征，并在取值范围内按照各自的分布特征抽取m组参数取值，m大于或等于10000；(3)确定进行模型参数不确定性分析的n个目标函数，n大于或等于2；(4)将m组模型参数的取值、边界河流的监测数据及湖泊本身的监测数据代入水质模型进行计算，确定目标函数的m组取值；(5)比较获得目标函数下的帕累托集对应的占优参数集，参数占优集中的参数组个数d不小于500；若d小于500则增大步骤(2)中抽取的参数组个数m，并重复执行步骤(2)-(4)；(6)画出占优参数集的双参数的联合概率密度函数，进行双参数不确定性分析；(7)利用核函数估计并画出每一个参数在占优集中的概率密度分布，概率密度最高处对应的取值作为模型参数率定结果；(8)搜集预测所需边界河流的监测数据和已经率定的模型参数一起代入水质模型，进行水质预测。所述步骤(1)中：a.搜集的所要预测水质的湖泊及其边界河流的监测数据至少连续2个月，至少平均每周1次，监测数据包括所预测湖泊的水质监测数据、湖泊边界河流的水质监测数据以及边界河流的流量数据；b.根据搜集到的所要预测水质的湖泊及其边界河流的监测数据中包括的水质指标及需要进行预测的指标确定用于预测湖泊水质的模型，根据其模型结构确定该模型的参数。所述步骤(2)具体包括以下步骤：a.确定模型参数的取值范围及其分布，可假设模型参数在其各自的取值范围内为均匀分布；b.在每个参数各自的取值范围内依据其分布形式，用随机数生成程序生成m个随机数，m需大于等于10000；c.根据模型要求将生成的参数随机取值进行分组，确保每组中每个参数有且只有1个值，共形成m组可用于驱动模型的参数组。所述步骤(3)具体包括以下步骤：a.对水质预测要求进行分析；b.根据分析要求结果，确定进行参数不确定性分析的n个目标函数，n大于或等于2；目标函数可以为不同环境指标的模型模拟值S与监测值O的平均相对误差RE，以及它们的均方根误差RMSE，具体见下面两个式子：其中Oi是第i个监测值，Si是与Oi对应的模型模拟值，T是监测值总数。所述步骤(4)具体包括以下步骤：a.将m组模型参数的取值、对应的边界河流的监测数据代入水质模型进行计算，确定m组各环境指标的模拟值Si,i＝1,2,3...T；b.结合湖泊本身的监测数据Oi,i＝1,2,3...T，计算每组目标函数的取值，共m组。所述步骤(5)具体包括以下步骤：a.区分目标函数性质，将其分为目标函数越大代表模拟结果越好以及目标函数越小代表模拟结果越好两大类；将目标函数越大越好的一类目标函数前添加负号，使两类目标函数统一为目标函数越小代表模拟结果越好；b.定义若参数组u对应的n个目标函数都大于参数组v对应的n个目标函数；则认为参数组u被参数组v占优；c.比较m组参数对应的目标函数，将其中所有在上述步骤b定义下被任意某组参数占优的参数组去除；剩下的d组目标函数值的集合称为帕累托集，d不小于500；d.提取帕累托集对应的参数组，获得d组参数组成占优参数集；e.若d小于500则增大步骤(2)中抽取的参数组个数m，并重复执行步骤(2)-(4)。所述步骤(6)具体包括以下步骤：a.画出占优参数集的双参数的联合概率密度函数；b.用目测法进行双参数不确定性分析：概率密度大的地方参数不确定性小，概率密度小的地方参数不确定性大。所述步骤(7)具体包括以下步骤：a.利用核函数估计并画出每一个参数在占优集中的概率密度分布；其中核函数采用高斯核函数；b.选择概率密度最高处对应的取值作为模型参数率定结果；所述步骤(8)具体包括以下步骤：a.整理率定完成的模型参数；b.搜集预测所需边界河流的监测数据和已经率定的模型参数一起代入水质模型，进行水质预测。本专利技术中，一种通过多目标不确定性分析进行湖泊水质模型预测的方法，通过运用帕累托集的概念能够客观的给出湖泊水质模型参数的多目标不确定性，并在分析不确定性的同时给出模型参数率定的结果。包括以下步骤：(1)搜集所要预测水质的湖泊及其边界河流的监测数据，确定进行水质预测的模型及其主要参数；(2)根据经验确定主要参数的取值范围及分布特征，并在取值范围内按照各自的分布特征抽取多组参数取值；(3)确定进行参数不确定性分析的多个目标函数；(4)将各组参数的取值、边界条件及水体本身的监测数据代入富营养化模型进行计算，确定对应情况下目标函数的取值；(5)比较获得目标函数下的帕累托集对应的占优参数集；(6)画出占优参数集的双参数的联合概率密度函数，进行双参数不确定性分析：(7)利用核函数估计并画出每一个参数在占优集中的密度分布，概率密度最高处对应的取值即为模型参数率定结果；(8)搜集预测所需边界条件和率定的参数一起代入模型，进行水质预测。本专利技术能够同时给定水质模型参数的不确定性及参数率定，并进行预测，能够极大的节省模型运用所需要的时间，为湖泊水质管理提供参考信息和依据。有益效果：一种通过多目标不确定性分析进行湖泊水质模型预测的方法，能够客观的给出湖泊水质模型参数的多目标不确定性分析结果，并在同时给出模型参数率定的结果，大大减少了湖泊水质模型参数多目标不确定性分析中的主观和任意性，且减少了运用模型进行预测所需要的庞大计算量。附图说明图1为本专利技术的流程图。图2为KTB和BMR的双参数联合概率密度及各自的核函数估计概率密度图。图3为PM和KESS的双参数联合概率密度及各自的核函数估计概率密度图。图4为模型预测结果。具体实施方式下面结合附图和我国东部某湖泊的实际情况对本专利技术作更进一步的说明。(1)按照图1所示流程图，步骤(1)包括：a.搜集了该湖泊某年某站点7月初至9月底，平均每周1次的蓝藻、氨氮硝态氮和磷酸的监测值，共11组监测值。同时获得了该湖泊环湖的主要8条河道的在该时期内的流量及它们的蓝藻、氨氮硝态氮和磷酸等主要环境本文档来自技高网...

【技术保护点】
1.一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，包括以下步骤：(1)搜集所要预测水质的湖泊及其边界河流的监测数据，确定进行水质预测的模型及其模型参数；(2)确定模型参数的取值范围及分布特征，并在取值范围内按照各自的分布特征抽取m组参数取值，m大于或等于10000；(3)确定进行模型参数不确定性分析的n个目标函数，n大于或等于2；(4)将m组模型参数的取值、边界河流的监测数据及湖泊本身的监测数据代入水质模型进行计算，确定目标函数的m组取值；(5)比较获得目标函数下的帕累托集对应的占优参数集，参数占优集中的参数组个数d不小于500；若d小于500则增大步骤(2)中抽取的参数组个数m，并重复执行步骤(2)‑(4)；(6)画出占优参数集的双参数的联合概率密度函数，进行双参数不确定性分析；(7)利用核函数估计并画出每一个参数在占优集中的概率密度分布，概率密度最高处对应的取值作为模型参数率定结果；(8)搜集预测所需边界河流的监测数据和已经率定的模型参数一起代入水质模型，进行水质预测。

【技术特征摘要】
1.一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，包括以下步骤：(1)搜集所要预测水质的湖泊及其边界河流的监测数据，确定进行水质预测的模型及其模型参数；(2)确定模型参数的取值范围及分布特征，并在取值范围内按照各自的分布特征抽取m组参数取值，m大于或等于10000；(3)确定进行模型参数不确定性分析的n个目标函数，n大于或等于2；(4)将m组模型参数的取值、边界河流的监测数据及湖泊本身的监测数据代入水质模型进行计算，确定目标函数的m组取值；(5)比较获得目标函数下的帕累托集对应的占优参数集，参数占优集中的参数组个数d不小于500；若d小于500则增大步骤(2)中抽取的参数组个数m，并重复执行步骤(2)-(4)；(6)画出占优参数集的双参数的联合概率密度函数，进行双参数不确定性分析；(7)利用核函数估计并画出每一个参数在占优集中的概率密度分布，概率密度最高处对应的取值作为模型参数率定结果；(8)搜集预测所需边界河流的监测数据和已经率定的模型参数一起代入水质模型，进行水质预测。2.根据权利要求1所述的一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，所述步骤(1)中：a.搜集的所要预测水质的湖泊及其边界河流的监测数据至少连续2个月，至少平均每周1次，监测数据包括所预测湖泊的水质监测数据、湖泊边界河流的水质监测数据以及边界河流的流量数据；b.根据搜集到的所要预测水质的湖泊及其边界河流的监测数据中包括的水质指标及需要进行预测的指标确定用于预测湖泊水质的模型，根据其模型结构确定该模型的参数。3.根据权利要求1所述的一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，所述步骤(2)具体包括以下步骤：a.确定模型参数的取值范围及其分布，可以假设模型参数在其各自的取值范围内为均匀分布；b.在每个参数各自的取值范围内依据其分布形式，用随机数生成程序生成m个随机数，m需大于等于10000；c.根据模型要求将生成的参数随机取值进行分组，确保每组中每个参数有且只有1个值，共形成m组可用于驱动模型的参数组。4.根据权利要求1所述的一种通过多目标不确定性分析进行湖泊水质模型预测的方法，其特征在于，所述步骤(3)具体包括以下步骤：a.对水质预测要求进行分析；b.根据分析要求结果，确定进行参数不确定性分析的n个目标函数，n大于或等于2；目标...

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