一种水质模型参数自动优化方法及系统技术方案

本发明专利技术公开了一种水质模型参数自动优化方法及系统，包括：获取预先构建的基于水质参数与水质目标之间关系的水质模型；对水质模型中的水质参数进行敏感性指数SI计算，根据敏感性高低对参数进行排序，确定水质参数敏感性顺序；按照水质参数敏感性顺序对参数逐一优化，确定每个水质参数的最优值。优点：本发明专利技术通过构建水质模型参数与水质目标之间的BP神经网络代理模型，通过一次一个变量法进行敏感性指数SI计算，根据敏感性高低顺序对参数进行逐一优化，使得参数优化过程中模型模拟误差逐渐减小。本发明专利技术通过参数敏感性分析对参数影响模型结果的程度进行定量计算，并使得参数优化过程中模型精度逐步提升，能够为水质模型参数率定提供较优方案。提供较优方案。提供较优方案。

【技术实现步骤摘要】
一种水质模型参数自动优化方法及系统


[0001]本专利技术涉及一种水质模型参数自动优化方法及系统，属于水环境数学模型参数优化


技术介绍

[0002]对水环境现状信息进行准确捕捉是环境科研工作者常面临的问题，对于常见的环境水体，环境因子在时间、空间上都有着较大的异质性。作为环境监测的常规方法，野外监测、室内实验和数值模拟是常用的三大类方法，其中对于时空异质性较大的水体而言，野外监测和室内实验往往需要耗费较大的监测成本，此时数值模拟由于所需成本低、可操作性强和能够实现情景预测功能等成为获取连续时空变化的环境因子不可缺少的工具。然而在数值模拟过程中存在大量的参数需要率定，参数取值将直接影响到模型的模拟精度。
[0003]水质模型参数高度非线性、易出现“异参同效”现象的特点使得其参数优化过程成为建模过程中的重点和难点。一方面，各参数对模型输出结果的敏感性不同，调参顺序难以确定，对参数进行敏感性分析有重要意义；另一方面，模型精度提升是调参的最终目的，如何使调参过程中的模拟误差朝着精度提升的方向进行，是参数率定过程的难点。因此需要提供一种方法确定对模型结果影响较大的参数，并使得调参过程中模型模拟误差朝着减小方向进行。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种水质模型参数自动优化方法及系统。
[0005]为解决上述技术问题，本专利技术提供一种水质模型参数自动优化方法，包括：
[0006]获取预先构建的基于水质参数与水质目标之间关系的水质模型；
[0007]获取所述观测站点的某一个水质参数的变化前后的水质参数的实际值；
[0008]利用所述水质模型计算观测站点的该水质参数变化而其他水质参数不变化情况下的前后水质模拟值；
[0009]根据所述变化前后的水质参数的实际值以及所述前后水质模拟值，对该水质参数进行敏感性指数SI计算，得到该水质参数的敏感性指数SI计算结果；
[0010]获取每个水质参数的敏感性指数SI计算结果；根据敏感性指数SI计算结果的高低对水质参数进行排序，确定水质参数敏感性顺序；
[0011]按照水质参数敏感性顺序对参数逐一优化，确定每个水质参数的最优值。
[0012]进一步的，所述水质目标包括：COD、氨氮、总氮、总磷，各水质目标还包括与水质目标相对应的水质参数。
[0013]进一步的，所述水质模型的构建过程包括：
[0014]确定待构建模型的水质目标和与该水质目标相关的水质参数，根据水质目标和与该水质目标相关的水质参数构建水质参数与水质目标之间的BP神经网络代理水质模型；所
述BP神经网络代理水质模型采用3层结构，包含1个输入层，1个隐含层，1个输出层，且为具有sigmoid型激活函数和线性输出神经元的两层前馈网络。
[0015]进一步的，所述对该水质参数进行敏感性指数SI计算，包括：
[0016]采用一次一个变量法进行敏感性指数SI计算，敏感性指数SI的计算公式为：
[0017][0018]式中，SI
x
是水质参数x的敏感性指数；V
x
表示第x个水质参数的数值， x＝1,
…
,m，f
i
(V1,...,V
x
,...,V
m
)是第i个观测站点的水质模拟值，n表示水质目标的个数，Δ表示第i个观测站点在第x个水质参数的数值的变化值，敏感性指数SI
x
越大表示水质参数x越敏感。
[0019]进一步的，所述按照水质参数敏感性顺序对参数逐一优化，包括：
[0020]选取水质参数敏感性最高的水质参数的数值V
x
，在水质参数的数值的取值范围内采用拉丁超立方抽样法抽取若干组参数值，保持其他水质参数的数值不变；
[0021]将抽样得到的所有组水质参数的数值分别带入BP神经网络代理水质模型中进行水质目标模拟，分别利用均方根误差RMSE计算方法和纳什系数NSE计算方法计算水质目标模拟值与水质实测值的误差；
[0022]选取RMSE最小、NSE最大时水质参数x的取值V
x
作为该水质参数的最优取值；
[0023]敏感性最高水质参数的取值V
x
确定后，保持其处于最优取值，选取敏感性指数次之的水质参数，计算该敏感性指数对应的水质参数的最优取值，依次类推，直到所有水质参数确定最优取值。
[0024]进一步的，所述拉丁超立方抽样法，包括：
[0025]若预抽样组数为l，则根据预先获取的先验分布数据将各水质参数的取值范围均分为l个小区间，分别从每个小区间内随机取值。
[0026]进一步的，所述均方根误差RMSE计算方法的计算公式为：
[0027][0028]所述纳什系数NSE计算方的计算公式为：
[0029][0030]式中，O
n
表示第t个时刻的水质实测值；P
t
表示第t个时刻的水质模拟值， O
tavg
表示实测值的平均值，N表示时间序列的个数。
[0031]一种水质模型参数自动优化系统，包括：
[0032]获取模块，用于获取预先构建的基于水质参数与水质目标之间关系的水质模型；
[0033]第一计算模块，用于获取所述观测站点的某一个水质参数的变化前后的水质参数的实际值；利用所述水质模型计算观测站点的该水质参数变化而其他水质参数不变化情况下的前后水质模拟值；根据所述变化前后的水质参数的实际值以及所述前后水质模拟值，对该水质参数进行敏感性指数SI计算，得到该水质参数的敏感性指数SI计算结果；
[0034]排序模块，用于获取每个水质参数的敏感性指数SI计算结果；根据敏感性指数SI计算结果的高低对水质参数进行排序，确定水质参数敏感性顺序；
[0035]确定模块，用于按照水质参数敏感性顺序对参数逐一优化，确定每个水质参数的最优值。
[0036]进一步的，所述获取模块包括模型构建模块，
[0037]用于确定待构建模型的水质目标和与该水质目标相关的水质参数，根据水质目标和与该水质目标相关的水质参数构建水质参数与水质目标之间的BP神经网络代理水质模型；
[0038]所述BP神经网络代理水质模型采用3层结构，包含1个输入层，1个隐含层，1个输出层，且为具有sigmoid型激活函数和线性输出神经元的两层前馈网络。
[0039]进一步的，所述确定模块包括：
[0040]抽样模块，用于选取水质参数敏感性最高的水质参数的数值V
x
，在水质参数的数值的取值范围内采用拉丁超立方抽样法抽取若干组参数值，保持其他水质参数的数值不变；
[0041]第二计算模块，用于将抽样得到的所有组水质参数的数值分别带入BP神经网络代理水质模型中进行水质目标模拟，分别利用均方根误差RMSE计算方法和纳什系数NSE计算方法计算水质目标模拟值与水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质模型参数自动优化方法，其特征在于，包括：获取预先构建的基于水质参数与水质目标之间关系的水质模型；获取所述观测站点的某一个水质参数的变化前后的水质参数的实际值；利用所述水质模型计算观测站点的该水质参数变化而其他水质参数不变化情况下的前后水质模拟值；根据所述变化前后的水质参数的实际值以及所述前后水质模拟值，对该水质参数进行敏感性指数SI计算，得到该水质参数的敏感性指数SI计算结果；获取每个水质参数的敏感性指数SI计算结果；根据敏感性指数SI计算结果的高低对水质参数进行排序，确定水质参数敏感性顺序；按照水质参数敏感性顺序对参数逐一优化，确定每个水质参数的最优值。2.根据权利要求1所述的水质模型参数自动优化方法，其特征在于，所述水质目标包括：COD、氨氮、总氮、总磷，各水质目标还包括与水质目标相对应的水质参数。3.根据权利要求2所述的水质模型参数自动优化方法，其特征在于，所述水质模型的构建过程包括：确定待构建模型的水质目标和与该水质目标相关的水质参数，根据水质目标和与该水质目标相关的水质参数构建水质参数与水质目标之间的BP神经网络代理水质模型；所述BP神经网络代理水质模型采用3层结构，包含1个输入层，1个隐含层，1个输出层，且为具有sigmoid型激活函数和线性输出神经元的两层前馈网络。4.根据权利要求2所述的水质模型参数自动优化方法，其特征在于，所述对该水质参数进行敏感性指数SI计算，包括：采用一次一个变量法进行敏感性指数SI计算，敏感性指数SI的计算公式为：式中，SI
x
是水质参数x的敏感性指数；V
x
表示第x个水质参数的数值，x＝1,
…
,m，f
i
(V1,...,V
x
,...,V
m
)是第i个观测站点的水质模拟值，n表示水质目标的个数，Δ表示第i个观测站点在第x个水质参数的数值的变化值，敏感性指数SI
x
越大表示水质参数x越敏感。5.根据权利要求2所述的水质模型参数自动优化方法，其特征在于，所述按照水质参数敏感性顺序对参数逐一优化，包括：选取水质参数敏感性最高的水质参数的数值V
x
，在水质参数的数值的取值范围内采用拉丁超立方抽样法抽取若干组参数值，保持其他水质参数的数值不变；将抽样得到的所有组水质参数的数值分别带入BP神经网络代理水质模型中进行水质目标模拟，分别利用均方根误差RMSE计算方法和纳什系数NSE计算方法计算水质目标模拟值与水质实测值的误差；选取RMSE最小、NSE最大时水质参数x的取值V
x
作为该水质参数的最优取值；敏感性最高水质参数的取值V
x
确定后，保持其处于最优取值，选取敏感性指数次之的水质参数，计算该敏感性指数对应的水质...

【专利技术属性】
技术研发人员：李一平，程月，于珊，王亚宁，王煜，潘泓哲，李金华，
申请(专利权)人：河海大学，
类型：发明
国别省市：