基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法技术

本发明专利技术公开了基于蒙特卡洛

【技术实现步骤摘要】
基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法


[0001]本专利技术属于湖泊富营养化评价
，涉及基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法。

技术介绍

[0002]在人类活动影响下，湖泊富营养化加速导致湖泊水功能和生态功能破坏，使湖泊生态系统健康面临重大威胁；富营养化评价能够确定湖泊水体的营养状态属性，服务于湖泊水环境管理；为保证水环境安全、切实做好风险防控工作，采取科学有效的评价方法判定湖泊水体所处的营养状态十分重要。湖泊水环境是包含物理、化学和生物等一系列过程的复杂系统，不同评价指标体系和富营养化评价方法对评价结果都会导致结果具有不确定性；目前开展湖泊富营养化评价的相关研究有许多，但存在的不足具体如下：
[0003]首先，以往的湖泊富营养化评价体系中，提供给管理者的评价结果都是一个定性的营养类别，对于认识湖水富营养等级造成了信息的大量丢失；其次，现实情况下湖泊水体的水环境指标不是固定不变的，而是呈动态非线性变化，已有评价方法中无法评估样本中营养因子浓度变化给评价结果带来的不确定性；因此，上述因素对评价结果的影响难以被准确量化，轻则造成管理者对水环境状态的误判，严重时会增大决策失误风险，延误水环境防治最佳时机。

技术实现思路

[0004]本专利技术的目的是提供基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，解决了现有的湖泊富营养化评价方法中存在不准确的问题。
[0005]本专利技术所采用的技术方案是，基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，包括获取评估区湖泊营养指标数据，建立数据集；确定样本的目标概率函数；基于湖泊富营养指标分级标准，建立标准值特征矩阵；计算湖水营养因子指标权重；根据目标概率函数，采用蒙特卡洛法随机抽取预设数量的营养因子值随机数，基于可变模糊集方法计算营养因子随机数和权重综合得到的湖水富营养等级，根据隶属于各营养等级的概率，确定湖泊富营养化等级。
[0006]本专利技术的特点还在于：
[0007]其中基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，具体按以下步骤实施：
[0008]步骤1，获取评估区湖水营养因子数据，建立Aij数据集；
[0009]步骤2，确定目标概率函数；
[0010]步骤3，根据步骤2得到的目标概率函数，生成预设数量的湖水营养因子含量随机数Xij，预设数量的随机数的分布符合目标概率密度函数；
[0011]步骤4，根据湖泊富营养指标分级标准，建立标准值特征矩阵Mih；
[0012]步骤5，计算湖水营养因子指标权重；
[0013]步骤6，根据目标概率函数，抽取预设数量的营养因子值随机数，计算营养因子随
机数和权重综合得到的湖水富营养等级，根据隶属于各营养等级的概率，确定得到湖泊富营养等级，对照湖泊富营养分级标准，表明湖水富营养风险；
[0014]其中步骤1中湖水营养因子指标包括水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD；
[0015]其中步骤2中目标概率函数的确定具体为通过统计学方法，确定水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD的目标概率密度函数；
[0016]其中步骤4中湖泊富营养指标分级标准根据行业标准富营养等级
‑
贫营养、中营养、轻度富营养、中度富营养、重度富营养对应的水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD限值，基于可变模糊集理论，建立标准值特征矩阵Mih；
[0017]其中步骤5中湖水营养因子指标权重获取途径包括主观权重赋值、客观权重计算或文献数据检索；
[0018]其中步骤6具体为根据目标概率函数，采用蒙特卡洛法随机抽取预设数量的营养因子值随机数，基于可变模糊集方法计算营养因子随机数和权重综合得到的湖水富营养等级，根据隶属于各营养等级的概率，确定得到湖泊富营养等级，对照湖泊富营养分级标准，表明湖水富营养风险；
[0019]计算相对隶属度：
[0020]对待样本j指标i的特征值x
ij
与级别h指标i的m
ih
值进行比较，若x
ih
落在m
ih
值的左侧，则其相对隶属函数为：
[0021][0022]若x
ih
落在m
ih
值的右侧，其相对隶属函数为：
[0023][0024]计算样本相对于综合隶属度：
[0025]X指标特征值i的相对隶属度关于左、右极点的广义权矩阵分别为：
[0026][0027]式中，p为距离参数，p＝1为海明距离，p＝2位欧氏距离；
[0028]待评价对象u对级别h的非归一化综合隶属度为：
[0029][0030]式中，a为优化准则参数，a＝1为最小一乘方准则，a＝2为最小二乘方准则；综合相对隶属度矩阵是关于p和a的可变集，对不同参数组合进行计算，作为验证结果可靠性的依据；
[0031]将非归一化综合相对隶属度矩阵进行归一化处理，得到水样富营养化级别特征值矩阵，依据级别特征值H做出评价：
[0032]H＝(1,2,...,c)
·
v
h
(u)
ꢀꢀꢀꢀꢀꢀ
(5)
[0033]式中，ν
h
(u)＝ν
h
'(u)/∑ν
h
'(u)。
[0034]本专利技术的有益效果是：
[0035]本专利技术的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，考虑到湖泊水体营养因子的不确定性及对评价结果的影响，采用蒙特卡洛方法对数据进行随机模拟，基于可变模糊集理论评估了湖泊水体隶属于不同富营养化等级的概率水平，更加准确地评价了湖泊富营养化程度。
附图说明
[0036]图1是本专利技术的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法的流程图。
具体实施方式
[0037]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0038]实施例1
[0039]本专利技术提供了基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，如图1所示，具体按以下步骤实施：
[0040]步骤1，获取评估区湖水营养因子数据，建立Aij数据集，湖水营养因子指标为水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD；湖水营养因子数据获取途径为实测；基于上述原则和途径进而建立湖水营养因子数据集；
[0041]步骤2，根据统计学方法，确定Chl
‑
a、TN、TP、SD、COD的目标概率密度函数；
[0042]步骤3，根据步骤2得到的目标概率函数，生成预设数量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，其特征在于，包括获取评估区湖泊营养指标数据，建立数据集；确定样本的目标概率函数；基于湖泊富营养指标分级标准，建立标准值特征矩阵；计算湖水营养因子指标权重；根据目标概率函数，采用蒙特卡洛法随机抽取预设数量的营养因子值随机数，基于可变模糊集方法计算营养因子随机数和权重综合得到的湖水富营养等级，根据隶属于各营养等级的概率，确定湖泊富营养化等级。2.根据权利要求1所述的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，其特征在于，具体按以下步骤实施：步骤1，获取评估区湖水营养因子数据，建立Aij数据集；步骤2，确定目标概率函数；步骤3，根据步骤2得到的目标概率函数，生成预设数量的湖水营养因子含量随机数Xij，预设数量的随机数的分布符合目标概率密度函数；步骤4，根据湖泊富营养指标分级标准，建立标准值特征矩阵Mih；步骤5，计算湖水营养因子指标权重；步骤6，根据目标概率函数，抽取预设数量的营养因子值随机数，计算营养因子随机数和权重综合得到的湖水富营养等级，根据隶属于各营养等级的概率，确定得到湖泊富营养等级，对照湖泊富营养分级标准，表明湖水富营养风险。3.根据权利要求2所述的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，其特征在于，所述步骤1中湖水营养因子指标包括水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD。4.根据权利要求2所述的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，其特征在于，所述步骤2中目标概率函数的确定具体为通过统计学方法，确定水体叶绿素Chl
‑
a、总氮TN、总磷TP、透明度SD、化学需氧量COD的目标概率密度函数。5.根据权利要求2所述的基于蒙特卡洛
‑
可变模糊集的湖泊富营养化评价方法，其特征在于，所述步骤4中湖泊富营养指标分级标准根据行业标准富营养等级
‑
贫营养、中营养、轻度富营养、中度富营养...

【专利技术属性】
技术研发人员：陈洁，高燕燕，徐盼盼，钱会，焦雪珂，任妙玥，邹宗华，
申请(专利权)人：长安大学，
类型：发明
国别省市：