【技术实现步骤摘要】
本专利技术涉及水文水质，特别涉及一种城市池塘蓝绿藻时间变化过程模拟方法。
技术介绍
1、蓝绿藻(phyco)属于自养型生物，对水环境适应能力强，繁殖速度快。城市池塘水体大多流动性小自净能力弱，受人类活动影响含氮、磷等物质的废水排入城市池塘水体后，导致水体中phyco快速繁殖。phyco覆盖在水体表面使水体呈绿色，造成水环境污染。phyco生长过程中会消耗水中的溶解氧，大量的phyco繁殖，会抑制水体中其他藻类和水生植物的生长，破坏水生态环境动态平衡，导致水生生物死亡、水体腥臭、水质恶化等问题，对城市水环境和水生态系统产生破坏作用，甚至对区域社会经济发展产生阻碍。
2、蓝绿藻(phyco)时间变化过程为非平稳序列，影响因素较多，模拟较为困难，且国内对城市池塘phyco变化过程模拟的研究相对缺乏
技术实现思路
1、本专利技术的目的是克服现有技术缺陷，提供一种城市池塘蓝绿藻时间变化过程模拟方法，为后续城市池塘水质研究、水环境改善及池塘水华现象处理提供科学依据，同时一定程度上促进不同尺度湖库及各种水体蓝绿藻phyco模拟预测研究。
2、本专利技术的目的是这样实现的：一种城市池塘蓝绿藻时间变化过程模拟方法，包括以下步骤：
3、s1：导入实测数据：导入研究区蓝绿藻phyco的实验数据；
4、s2：构建差分自回归移动平均模型arima；
5、s2-1：采用adf单位根检验法对蓝绿藻phyco时间序列进行平稳性检验，对非平稳的时间序列进行
6、s2-2：根据自相关函数与偏自相关函数初步选定arima的阶数；
7、s2-3：计算arima的赤池信息准则aic函数值，根据赤池信息准则aic值最小原则选择最优的模型阶数；
8、s2-4：采用平稳化处理后的蓝绿藻phyco时间序列，构建arima模型，用最小二乘法估计arima模型的参数，并对所构建的arima进行还原差分处理；
9、s3：差分自回归移动平均模型arima检验：通过对arima的残差序列进行标准化处理，并利用ljung-box检验来判断arima的残差序列是否为白噪声序列；
10、s4：差分自回归移动平均模型arima模拟结果：根据构建的arima对城市池塘蓝绿藻phyco的时间变化过程进行模拟；
11、s5：差分自回归移动平均模型arima误差评价：基于拟合优度r2、均方根误差rmse、平均绝对误差mae对arima进行误差评价。
12、作为本专利技术的进一步限定，所述步骤s2-1)具体包括：对输入的蓝绿藻phyco时间序列进行adf单位根检验，若存在单位根，则为非平稳序列，对非平稳的时间序列进行差分处理；反之，则为平稳序列；若时间序列为平稳序列，则初步选定模型阶数并构建arima；若时间序列为非平稳序列，则对非平稳的时间序列进行差分处理，再对差分后的序列进行平稳性检验，通过检验后，构建arima。
13、作为本专利技术的进一步限定，所述步骤s2-2)具体包括：通过自相关函数与偏自相关函数判断函数为拖尾还是截尾；拖尾指序列在常数k以后以指数率单调递减或震荡衰减的方式衰减至0附近；截尾指序列从某个常数k后快速趋于0；通过自相关函数图与偏自相关函数图的拖尾形态初步确定arima模型的自回归阶数p与移动平均阶数q。
14、作为本专利技术的进一步限定，所述步骤s2-3)具体包括：所述赤池信息准则aic函数计算公式如下：
15、
16、其中，s为arima中未知参数个数，为某种方法给出的方差的预测值，n为样本数量；赤池信息准则aic最小值对应的自回归阶数p与移动平均阶数q为arima的最优阶数。
17、作为本专利技术的进一步限定，所述步骤s2-4)具体包括：构建arima模型如下：
18、
19、其中，为差分算子；d为差分阶数，c为常数；p为自回归阶数；q为移动平均阶数；yt为t时刻时间序列值；φi(i＝1,2,…,p)为自回归系数；θj(j＝1,2,…,q)为移动平均系数；εt为t时刻的模型残差；
20、arima模型中参数计算步骤如下：
21、对时间序列值yt拟合自回归模型ar(k)，k≥p+q，计算赤池信息准则aic值选定最优模型阶数后用最小二乘法估计参数并计算相应残差序列εi，i＝k+1,k+2,…,n，εi的计算公式如下：
22、
23、其中，φi为自回系数，yi为i时刻时间序列值，n为样本数，k为自回归模型的自回归阶数；
24、最后，将计算出的εi代入arima(p,d,q)；
25、经过还原差分处理后arima模型如下：
26、yt＝-0.0019+1.521yt-1-0.521yt-2-0.919εt-1+εt
27、其中，εt为t时刻的模型残差；yt为t时刻时间序列值。
28、作为本专利技术的进一步限定，所述s3)具体包括：白噪声属于纯随机过程，标准化残差序列公式如下：
29、
30、其中，εi为i时刻的模型残差，se为残差的标准差的估计，yi为i时刻时间序列值，为i时刻时间序列值的估计；
31、ljung-box检验qp统计量如下：
32、
33、其中，n为残差序列样本数量，h为残差序列滞后阶数，为残差序列k阶滞后的相关系数；统计量qp服从以(h-p-q)为自由度的χ2分布。
34、作为本专利技术的进一步限定，所述s5)具体包括:基于拟合优度r2的计算公式如下：
35、
36、其中，yt为因变量观测值，为因变量观测值的平均值，为因变量回归值；
37、平均绝对误差rmse的计算公式如下：
38、
39、其中，yt为因变量观测值，为因变量回归值，n为样本数；
40、平均绝对误差mae的计算公式如下：
41、
42、其中，yt为因变量观测值，为因变量回归值，n为样本数。
43、本专利技术采用以上技术方案，与现有技术相比，有益效果为：本专利技术通过构建arima对蓝绿藻phyco的时间变化过程进行模拟，并对模拟结果进行误差评价，结果表明模型具有较高的拟合优度；该模拟方法易于理解，操作简单，可在不同城市各种尺度水塘phyco模拟中进行推广应用，在城市水塘水体水质改善和保持水环境可持续性等方面将产生重要社会效益和潜在的经济效益；为后续城市池塘水质研究、水环境改善及池塘水华现象处理等方面提供科学依据。
本文档来自技高网...【技术保护点】
1.一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤S2-1)具体包括：对输入的蓝绿藻Phyco时间序列进行ADF单位根检验，若存在单位根，则为非平稳序列，对非平稳的时间序列进行差分处理；反之，则为平稳序列；若时间序列为平稳序列，则初步选定模型阶数并构建ARIMA；若时间序列为非平稳序列，则对非平稳的时间序列进行差分处理，再对差分后的序列进行平稳性检验，通过检验后，构建ARIMA。
3.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤S2-2)具体包括：通过自相关函数与偏自相关函数判断函数为拖尾还是截尾；拖尾指序列在常数k以后以指数率单调递减或震荡衰减的方式衰减至0附近；截尾指序列从某个常数k后快速趋于0；通过自相关函数图与偏自相关函数图的拖尾形态初步确定ARIMA模型的自回归阶数p与移动平均阶数q。
4.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤S2-3)具体包括：所述赤
5.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤S2-4)具体包括：构建ARIMA模型如下：
6.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述S3)具体包括：白噪声属于纯随机过程，标准化残差序列公式如下：
7.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述S5)具体包括:基于拟合优度R2的计算公式如下：
...【技术特征摘要】
1.一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤s2-1)具体包括：对输入的蓝绿藻phyco时间序列进行adf单位根检验，若存在单位根，则为非平稳序列，对非平稳的时间序列进行差分处理；反之，则为平稳序列；若时间序列为平稳序列，则初步选定模型阶数并构建arima；若时间序列为非平稳序列，则对非平稳的时间序列进行差分处理，再对差分后的序列进行平稳性检验，通过检验后，构建arima。
3.根据权利要求1所述的一种城市池塘蓝绿藻时间变化过程模拟方法，其特征在于，所述步骤s2-2)具体包括：通过自相关函数与偏自相关函数判断函数为拖尾还是截尾；拖尾指序列在常数k以后以指数率单调递减或震荡衰减的方式衰减至0附...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。