论文部分内容阅读
我国面临着严峻的水资源短缺和水污染问题,使用科学合理的方法对水环境进行有效的监管与治理已成为解决水环境问题的当务之急。水质预测是水环境治理的一项基础工作,建立高效准确的水质预测模型不仅能够直观地反映水体的污染程度,还能够直观地展示各水质项的未来变化趋势,据此还可以及时地调整水污染防治的相关措施,为水环境治理工作提供坚实可靠的保障。本文以浙江省生态环境监测中心“浙江省地表水水质预测预警系统（ZJCT5-2020154）”项目为背景,以浙江省钱塘江南源流域为研究区域,基于气象、水文和水质数据,对地表水水质的单步和多步预测模型进行了研究,实现了对研究流域内各监测断面的p H、溶解氧、高锰酸盐指数、氨氮、总氮及总磷水质项的单日和多日预测,主要研究内容如下:（1）本文首先收集了建模需要的输入数据,包括基础信息数据和自动监测数据,之后使用拉依达准则对数据集进行离群值检测,使用拉格朗日插值法对数据集进行缺失值填充或离群值替换,使用最大值最小值法对经过整合的数据集进行标准化处理,并分析了气象、水文和水质数据间的相关性及各监测断面水质项间的空间相关性。（2）针对单步水质预测问题,本文首先建立了基于BP和LSTM的单步水质预测模型,之后综合利用LSTM记忆长期依赖关系的能力及BP的非线性拟合能力,提出了基于LSTM-BP的单步水质预测模型。该模型首先分别为各个监测断面建立一个基于LSTM的时间模拟器来提取各个监测断面气象、水文和水质数据间的复杂非线性关系及时间特征,之后使用基于BP的空间组合器提取各监测断面的各水质项间的空间关系。实验结果表明:LSTM-BP模型的预测性能最优,其次是LSTM模型,之后是BP模型,并且这三种模型都可以为研究流域内各监测断面的各水质项的单步预测提供一定的参考。（3）针对多步水质预测问题,本文在单步水质预测模型的基础上,提出了使用递归策略实现的基于BP的多步水质预测模型,使用多输出策略实现的基于注意力编解码器LSTM及基于注意力编解码器LSTM-BP的多步水质预测模型。其中,基于BP的多步水质预测模型通过迭代单步预测模型实现多步预测,而注意力编解码器LSTM模型和注意力编解码器LSTM-BP模型则是一种基于多输出策略的序列到序列模型;基于注意力编解码器LSTM的多步水质预测模型通过在编码器端构建多变量输入提取气象、水文和水质数据间的复杂非线性关系,通过使用注意力机制提取时序数据在不同时刻的依赖特征,并通过将经过注意力机制得到的上下文向量Context分别连接未来k个时刻的气象数据提取气象预报数据对多步水质预测值的影响;基于注意力编解码器LSTM-BP的多步水质预测模型则在分别为每一个监测断面建立一个基于注意力编解码器LSTM的时间模拟器的基础上,使用基于BP的空间组合器提取各监测断面的各水质项间的空间关系。实验结果表明:随着预测步数的增大,这三种模型的预测性能都在逐渐变差,但在各个时刻,注意力编解码器LSTM-BP模型的预测性能都是最优,其次是注意力编解码器LSTM模型,之后是BP模型,并且这三种模型都可以为研究流域内各监测断面的各水质项的多步预测提供一定的参考。（4）本文构建了可实现用户登录、数据获取、数据存储、数据处理、模型设计和数据展示等功能的地表水水质预测系统。该系统可自动获取流域内各气象站、水文站和监测断面的每日数据,并自动保存在My SQL数据库表中,且通过Web页面可直观地观测流域内各监测断面的各水质项的历史数据变化趋势及各水质预测模型的单步和多步预测结果。