基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法技术

本发明专利技术公开了一种基于水动力、水质和SOM神经网络的河流水量聚类及水质评价方法，首先收集河流的各项资料数据，输入水动力模型和水质模型中，得到河流的各节点的水动力数据以及各节点的污染浓度时间序列。然后将每个时刻河流流量数据输入SOM神经网络，得到合理分类的n×n种模式，这n×n种模式组合在一起得到河流流量的拓扑图。然后根据流量的聚类结果，继续利用SOM神经网络对各节点的污染浓度时间序列结果进行特征提取，得到各污染源对于河流污染分布的拓扑图，通过拓扑图得到污染源在一维河道的污染模式分类。本发明专利技术可以对一维河流的水量以及水质进行评价，并将结果可视化表示。

River water quantity clustering and water quality assessment method based on hydrodynamic force, water quality and SOM

The invention discloses a method for evaluation of river water quality and water quality and SOM dynamic clustering, based on the data of water, the first collection of river input, hydrodynamic model and water quality model, water dynamic data of each node and the river pollution concentration time of each node sequence. Then, each time river flow data is input into the SOM neural network, and the n * n model is reasonably classified. The n * n model is combined to obtain the topological map of the river flow. Then according to the clustering results of the flow to feature extraction results of pollution concentration time series for each node using SOM neural network, the source of pollution for the topology of river pollution distribution, pollution source pollution in pattern classification by one-dimensional river topology. The invention can evaluate the water quantity and the water quality of one dimension river and visualize the result.

【技术实现步骤摘要】
基于水动力、水质和SOM的河流水量聚类及水质评价方法
本专利技术涉及一维河流流量及水质评价
，具体是涉及基于水动力、水质和SOM的河流水量聚类及水质评价方法。
技术介绍
随着人们对水资源环境的日益重视，水质的评价方法也多种多样，如传统的模糊综合指数法、灰色评价法，以及具有很强的自学习、自适应能力的BP神经网络。传统的模糊综合指数法、灰色评价法需要精确的数学模型来进行描述，针对水系统中存在的复杂非线性关系和不确定性因素，很难真实模拟水环境系统的非线性变化过程；BP神经网络法具有表示任意非线性关系和很强的自学习、自适应能力，可以对简单的非线性作用函数的复合进行映射，在评价水质时可以很好的解决水系统中的非线性关系和不确定因素，但是不适合用于对复杂多变的水环境系统进行评价和分类研究，而且往往没有考虑到河流的污染排放源的位置及排放量对河流水质的影响。由于无法提供非常准确节点的水质信息，使得河流的治理的效率不够高。而基于水动力、水质模型和SOM神经网络的方法则可以很好地解决这些问题，首先水动力、水质模型可以产生大量的河道流量数据和各节点的污染浓度时间序列结果，可以作为SOM模型的网络训练样本文档来自技高网...

【技术保护点】
基于水动力、水质和SOM的河流水量聚类及水质评价方法，其特征在于，包括水动力模型、水质模型和SOM神经网络三大部分；所述水动力模型和水质模型分别由Sant‑Venant方程和对流扩散方程建立，用于分析一位河道的水动力、污染物分布状况，具体包括如下步骤：1)搜集所研究河流的流量资料、水位资料、河流底高程资料等数据；2)将这些资料数据输入水动力模型中，模拟得到河流的水动力情况(河流流量时间序列)，并利用现有的水文站资料进行验证，经验证准确后将数据导出；3)将搜集的单位污染负荷资料输入水质模型，构建一维河道的水质模型，并将模拟的河流各节点的污染浓度时间序列结果导出。所述SOM神经网络用于将水动力模型...

【技术特征摘要】
1.基于水动力、水质和SOM的河流水量聚类及水质评价方法，其特征在于，包括水动力模型、水质模型和SOM神经网络三大部分；所述水动力模型和水质模型分别由Sant-Venant方程和对流扩散方程建立，用于分析一位河道的水动力、污染物分布状况，具体包括如下步骤：1)搜集所研究河流的流量资料、水位资料、河流底高程资料等数据；2)将这些资料数据输入水动力模型中，模拟得到河流的水动力情况(河流流量时间序列)，并利用现有的水文站资料进行验证，经验证准确后将数据导出；3)将搜集的单位污染负荷资料输入水质模型，构建一维河道的水质模型，并将模拟的河流各节点的污染浓度时间序列结果导出。所述SOM神经网络用于将水动力模型、水质模型得到的河流流量时间序列及各节点的污染浓度时间序列进行聚类分析并作出评价，具体为：将水动力模型得到的河流流量数据输入SOM神经网络模型中，按照每个时刻流量在河道上的分布相似性进行聚类，得到一个合理分类的n×n的SOM拓扑...

【专利技术属性】
技术研发人员：谢显传，贺辉辉，丁珏，海子彬，程宇，王莹，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32