【技术实现步骤摘要】
本专利技术涉及水质检测领域，尤其涉及一种雨水径流水质快速预测方法。
技术介绍
1、雨水径流污染是制约城市水环境改善的重要影响因素。通常在管网末端采取截流措施，控制污染进入水体。传统截流方式以固定容积作为截流标准，由于初雨中污染物浓度的影响因素较多，仅依据水量并不能准确拦截污染雨水并弃流清洁雨水。如何将高浓度污染雨水准确截留排入调蓄池或污水厂，将清洁雨水排入河道，实现雨水径流“精准截污”逐渐成为研究热点。
2、雨水径流的传统截流方式基于初期冲刷理论，截留固定容积的初期雨水径流量。这种方式无法依据雨水水质情况进行截流，不能准确区分污染雨水与清洁雨水，污染物截留效率较低。因此部分学者利用径流水质作为截流或弃流的参照，现有研究主要通过分析水质参数间的线性相关性，寻找一种能快速监测而且和径流污染物浓度具有较强线性相关性的指标，通常选取ss、浊度、电导率、透光率等，来掌握径流瞬时水质，进而采取截流或弃流措施。但水质参数间的线性回归模型较简单，更适应于水质成分单一或稳定的场景中。在实际降雨场景中，不同降雨场次雨水径流水质组分复杂多变，水质参数间的线性相关关系往往难以稳定，会影响到利用该方法进行水质监测的准确度，进而影响截污效能。
3、随着光谱法水质监测技术的不断发展，水质原位测量得以实现。光谱检测具有快速、高频、绿色环保的优点，逐渐成为研究热点。光谱检测的核心在于建立模型，将光谱与待测水质指标相关联，模型性能关系到检测准确性。但在水质变化复杂的场景下，模型测量精度不易保证，需要针对光谱法进行研究改进，提高模型精度。p>
技术实现思路
1、为了解决现有技术中的问题，本专利技术提供了一种雨水径流水质快速预测方法。
2、本专利技术提供了一种雨水径流水质快速预测方法，包括以下步骤：
3、步骤一：将cod作为水质是否达标的判定参数；
4、步骤二：根据所述步骤一确定的水质达标判定参数构建基于紫外可见光谱的cod预测模型；
5、步骤三：基于支持向量回归模型，将所述步骤二构建的cod预测模型与污染物信息相融合，生成支持向量回归优化模型，以实现雨水径流水质的快速预测。
6、作为本专利技术的进一步改进，在所述步骤二中，还包括：
7、步骤1，数据采集：采集雨水径流水质的可见光谱数据信息；
8、步骤2，预处理：将步骤1所采集的可见光谱数据进行归一化处理，并进行数据去噪处理；
9、步骤3，特征提取：从所述步骤2的可见光谱数据中提取所需要的数据特征；
10、步骤4，数据对准：根据所述步骤3所提取的数据特征，利用竞争性自适应重加权算法筛选出所需特征波长的吸光度，并将其作为支持向量回归模型的输入变量。
11、作为本专利技术的进一步改进，在所述步骤三中，在将cod预测模型与污染物信息相融合之前，要先将所述污染物信息中的ph、电导率、浊度、温度数据归一化并加权叠加，生成一维变量。
12、作为本专利技术的进一步改进，在所述步骤三中，将归一化的电导率与浊度按3：2加权平均。
13、作为本专利技术的进一步改进，归一化的电导率与浊度按3：2加权平均的公式如下：
14、y＝α1x1+α2x2 (2)
15、式中y——水质参数融合变量；
16、xi——水质参数数值；
17、αi——权重。
18、作为本专利技术的进一步改进，在所述步骤三中，所述svr优化模型为cars-svr模型。
19、作为本专利技术的进一步改进，所述cars-svr模型公式如下：
20、
21、式中|bi|——第i个波长变量的回归系数绝对值；
22、ωi——第i个波长变量的回归系数绝对值权重；
23、m——每次采样时集合中剩余的波长变量数。
24、作为本专利技术的进一步改进，在所述步骤4中，利用竞争性自适应重加权算法筛选出33维特征波长的吸光度。
25、本专利技术的有益效果是：1.本专利技术的一种雨水径流水质快速预测方法污染物快速预测方法能有效适应“精准截污”对水质监测的高时效性要求，达到雨水径流清浊分离成效；2.本专利技术的一种雨水径流水质快速预测方法能够应用在在水质变化复杂的场景下，且预测精度高。
本文档来自技高网...【技术保护点】
1.一种雨水径流水质快速预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的雨水径流水质快速预测方法，其特征在于，在所述步骤二中，还包括：
3.根据权利要求1所述的雨水径流水质快速预测方法，其特征在于，在所述步骤三中，在将COD预测模型与污染物信息相融合之前，要先将所述污染物信息中的pH、电导率、浊度、温度数据归一化并加权叠加，生成一维变量。
4.根据权利要求3所述的雨水径流水质快速预测方法，其特征在于，在所述步骤三中，将归一化的电导率与浊度按3:2加权平均。
5.根据权利要求4所述的雨水径流水质快速预测方法，其特征在于，归一化的电导率与浊度按3:2加权平均的公式如下：
6.根据权利要求1所述的雨水径流水质快速预测方法，其特征在于，在所述步骤三中，所述SVR优化模型为CARS-SVR模型。
7.根据权利要求6所述的雨水径流水质快速预测方法，其特征在于，所述CARS-SVR模型公式如下：
8.根据权利要求2所述的雨水径流水质快速预测方法，其特征在于，在所述步骤4中，利用竞争性自适应重加权算
...【技术特征摘要】
1.一种雨水径流水质快速预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的雨水径流水质快速预测方法，其特征在于，在所述步骤二中，还包括：
3.根据权利要求1所述的雨水径流水质快速预测方法，其特征在于，在所述步骤三中，在将cod预测模型与污染物信息相融合之前，要先将所述污染物信息中的ph、电导率、浊度、温度数据归一化并加权叠加，生成一维变量。
4.根据权利要求3所述的雨水径流水质快速预测方法，其特征在于，在所述步骤三中，将归一化的电导率与浊度按3:2加权平均。
【专利技术属性】
技术研发人员：董文艺，王宏杰，王锋，张旻，王秋实，张晓宇，刘杰，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
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。