一种基于模糊积分模型的水环境风险评估方法技术

本发明专利技术涉及基于模糊积分模型的水环境风险评估方法，建立支持向量机神经网络；训练支持向量机神经网络；将PRPS图谱特征输入支持向量机神经网络，识别超标前、超标后的网络拓扑结构的差异，确定超标点；进行初步超标评估；对初步超标评估结论进行预先处理；形成备选超标点集、形成各个备选超标点的直接关联超标点集合；确定权重，根据被监测水环境拓扑信息及各超标点的评估结论，形成直接关联超标点对备选超标点的超标的依赖程度的集合与间接关联超标点对该备选超标点的超标的依赖程度的集合；根据超标可能性风险指标集，确定超标监测点。本发明专利技术综合评估中充分考虑到了初级评估结论的可靠性差异，有效提高了评估的准确性。

【技术实现步骤摘要】
一种基于模糊积分模型的水环境风险评估方法
本专利技术属于环境监测
，具体涉及一种基于模糊积分模型的水环境风险评估方法，特别适用于较大流域水环境风险源的风险监测与评估。
技术介绍
水环境风险的防控已成为流域，尤其是较大流域水环境管理亟需解决的重要问题之一。区域生态功能区划不合理、上下游、左右岸的执行标准不统一、环境信息沟通不畅通等诸多问题导致区域水环境污染负荷大，环境资源配置不合理，使得水环境风险较其它区域大。而水环境风险评估则是流域监控工作重要内容之一。目前尚未有专门针对水环境风险评估方法，因此，针对流域水环境风险源类型多样、区域敏感性强、风险高等特点，构建较为实用的风险评估方法，具有重要的现实意义。
技术实现思路
本专利技术的目的是，提供一种基于模糊积分模型的水环境风险评估方法，用于评估流域水环境风险的水平，筛选重点监控点。具体技术方案为：基于模糊积分模型的水环境风险评估方法，主要包括以下步骤：(1)对被监测水环境的监测点建立支持向量机神经网络；(2)选取合适的训练样本和径向基函数神经本文档来自技高网...

【技术保护点】
1.基于模糊积分模型的水环境风险评估方法，其特征在于，主要包括以下步骤：/n(1)对被监测水环境的监测点建立支持向量机神经网络；/n(2)选取合适的训练样本和径向基函数神经网络训练支持向量机神经网络；/n(3)采用傅里叶分析方法对水样的监测信号进行频谱分析得到PRPS图谱；将PRPS图谱特征输入支持向量机神经网络，识别超标前、超标后的网络拓扑结构的差异，确定超标点；/n(4)根据面向超标点的支持向量机神经网络，进行初步超标评估；/n(5)采用Choquet模糊积分模型对初步超标评估结论进行预先处理；/n(6)根据被监测水环境拓扑信息，形成备选超标点集F＝{f1，f2…fN}，其中，f为备选超标...

【技术特征摘要】
1.基于模糊积分模型的水环境风险评估方法，其特征在于，主要包括以下步骤：
(1)对被监测水环境的监测点建立支持向量机神经网络；
(2)选取合适的训练样本和径向基函数神经网络训练支持向量机神经网络；
(3)采用傅里叶分析方法对水样的监测信号进行频谱分析得到PRPS图谱；将PRPS图谱特征输入支持向量机神经网络，识别超标前、超标后的网络拓扑结构的差异，确定超标点；
(4)根据面向超标点的支持向量机神经网络，进行初步超标评估；
(5)采用Choquet模糊积分模型对初步超标评估结论进行预先处理；
(6)根据被监测水环境拓扑信息，形成备选超标点集F＝{f1，f2…fN}，其中，f为备选超标点；
(7)根据被监测水环境拓扑信息，形成各个备选超标点的直接关联超标点集合Fi-direct＝{fm…fn}与间接关联超标点集合Fi-indirect＝{fk…fi}；
(8)确定权重，即r＝r({xj})，j＝1，2，…n，其中，r就是第j个信息的权重；
(9)根据被监测水环境拓扑信息及各超标点的评估结论，形成直接关联超标点对备选超标点的超标的依赖程度的集合Gi-direct＝{...

【专利技术属性】
技术研发人员：何斐，李维新，徐斌，汪龙眠，彭福全，刘庄，晁建颖，解宇峰，庞晴晴，朱翔，
申请(专利权)人：生态环境部南京环境科学研究所，
类型：发明
国别省市：江苏;32