一种基于多因素耦合的输变电水环境指标预测方法

技术特征：
1.一种基于多因素耦合的输变电水环境指标预测方法，其特征在于，该方法分为以下步骤：s1、获取输变电工程水环境监测断面的水环境指标，包括ph值、cod、bod5、nh
3-n和石油类，构建基于“时间-采样点-指标”的断面水环境指标矩阵y
t
：设t表示采样时刻，i表示监测断面的采样点编号，j表示监测断面采样获得的水环境指标编号，t
max
为最大采样时刻数，i
max
为监测断面最大采样点数，j
max
为监测断面最大水环境指标数；y
i，j
(t)表示在第t个采样时刻、在监测断面第i个采样点获得的第j个水环境指标值，其中t∈[1，2，...，t
max
]，i∈[1，2，...，i
max
]，j∈[1，2，...，j
max
]；断面水环境指标矩阵y
t
由y
i，j
(t)构成，其矩阵结构如下：y
t
的维数为i
max
×
j
max
；s2、获取输变电工程水环境监测断面的水环境外部影响因素，包括水位、水温、流速，构建基于“时间-采样点-指标”的断面水环境外部因素矩阵u
t
：设k表示监测断面采样获得的水环境指标外部影响因素编号，k
max
为监测断面最大外部影响因素数；u
i，k
(t)表示在第t个采样时刻、在监测断面第i个采样点获得的第k个水环境外部影响因素值，其中k∈[1，2，...，k
max
]；断面水环境外部因素矩阵u
t
由u
i，k
(t)构成，其矩阵结构如下：u
t
的维数为i
max
×
k
max
；s3、根据断面水环境指标矩阵和外部因素矩阵，构建基于断面水环境指标的反馈时间序列和基于外部因素的输入时间序列：当采样时刻t取值为[1，2，...，t
max
]时，获得一组按采样时间先后顺序排列的断面水环境指标矩阵：根据该组矩阵，构建基于断面水环境指标的反馈时间序列：当采样时刻t取值为[1，2，...，t
max
]时，获得一组按采样时间先后顺序排列的断面水环境指标外部影响因素矩阵：根据该组矩阵，构建基于外部因素的输入时间序列：s4、根据基于断面水环境指标的反馈时间序列y、基于外部因素的输入时间序列u、水环境指标输入延迟阶数d
y
和水环境外部影响因素输入延迟阶数d
u
构建输入-输出映射，其中d
y
∈[1，2，...，d
y，max
]，d
u
∈[1，2，...，d
u，max
]，d
y，max
为水环境指标输入最大延迟阶数，d
u，max
为水环境外部影响因素输入最大延迟阶数，d
y
和d
u
的初值均取1；对于采样时刻t，构建的第t个输入-输出映射如下：其中t∈[d
max
，t
max-1]，d
max
＝max(d
y
，d
u
)表示求取d
y
和d
u
两者中大的值；因此，总共可以构建(t
max-d
max
)个输入-输出映射；s5、构建基于多因素耦合的时滞非线性自回归映射网络，具体如下：s5-1、时滞非线性自回归映射网络的整体结构分为输入层input_layer、隐藏层hidden_layer和输出层output_layer；输入层input_layer通过基于断面水环境指标的反馈时间序列y和基于外部因素的输入时间序列u实现水环境指标的多因素耦合输入；隐藏层hidden_layer是时滞非线性自回归映射网络的核心，用于实现输入与输出之间的非线性函数关系映射；输出层output_layer负责输出输变电工程水环境指标预测值；s5-2、在输入层input_layer中，输入序列i
t
取值为第t个输入-输出映射的输入部分：i
m，t
为输入序列i
t
的第m个输入分量，m
max
为输入序列i
t
的最大输入分量数，m
max
＝d
y
d
u
2；s5-3、在隐藏层hidden_layer中，隐藏层节点与输入层节点和输出层节点形成全连接网络结构，用于实现输入与输出之间的非线性函数关系映射；时滞非线性自回归映射网络的隐藏层节点数学模型如下：其中，o
n，t
为采样时刻为t时第n个隐藏层节点的输出，b
n
为第n个隐藏层节点的偏差，w
m，n
为第m个输入到第n个隐藏层节点的连接权重，f
ac
(
·
)为隐藏层节点的激励函数，n∈[1，2，...，n
max
]，m∈[1，2，...，m
max
]，n
max
为隐藏层节点数，n
max
∈[n
max，0
，n
max，0
1，
…
，n
max，1
]，n
max，0
和n
max，1
分别为隐藏层节点数取值的下界和上界，隐藏层节点数n
max
的初始取值为n
max，0
；s5-4、在输出层output_layer中，时滞非线性自回归映射网络的输出层节点数学模型如下：其中output
t
为采样时刻为t时输出层的输出，b为输出层节点的偏差，ω
n
为第n个隐藏层节点到输出层节点的连接权重，f
bc
(
·
)为输出层节点的激励函数；s6、根据输入-输出映射构建基于时滞非线性自回归映射网络的输变电水环境指标预测模型，具体如下：s6-1、采用s5-2中时滞非线性自回归映射网络的输入序列i
t
作为输变电水环境指标预
测模型的输入，采用s5-3中时滞非线性自回归映射网络的全连接网络结构作为输变电水环境指标预测模型的结构，采用s5-4中时滞非线性自回归映射网络的输出output
t
作为输变电水环境指标预测模型的输出；对于采样时刻t，由于输变电水环境指标预测模型的输入为输入序列i
t
，该模型的输出output
t
即为t 1采样时刻的输变电水环境指标预测值；s6-2、给定时滞非线性自回归映射网络的结构参数，包括输入层节点数m
max
和隐藏层节点数n
max
，给定时要求结构参数必须满足各自取值范围约束；首先给定水环境指标输入延迟阶数d
y
、水环境外部影响因素输入延迟阶数d
u
，则输入层节点数m
max
通过m
max
＝d
y
d
u
2确定，其取值范围的约束如下：d
y
∈[1，2，...，d
y，max
]d
u
∈[1，2，...，d
u，max
]m
max
∈[4，5，
…
，d
y，max
d
u，max
2]由于m
max
＝d
y
d
u
2且d
y
和d
u
的初值均取1，因此m
max
的初值为4；然后给定隐藏层节点数n
max
，其取值范围的约束如下：n
max
∈[n
max
，0，n
max，0
1，
…
，n
max，1
]n
max
的初值为隐藏层节点数取值范围的下界n
max，0
；s6-3、在时滞非线性自回归映射网络结构参数已给定的基础上，根据(t
max-d
max
)个输入-输出映射采用误差最小化优化算法确定时滞非线性自回归映射网络的权重参数w；权重参数w包括第m个输入到第n个隐藏层节点的连接权重w
m，n
和第n个隐藏层节点到输出层节点的连接权重ω
n
：w＝{w
m，n
，ω
n
|m＝[1，2，...，m
max
]∩n＝[1，2，...，n
max
]}权重参数w的确定过程如下：当输变电水环境指标预测模型的输入i
t
中t取值为[d
max
，d
max
1，
…
，t
max-1]时，对应的输变电水环境指标预测值分别为：当s4中第t个输入-输出映射的t取值为[d
max
，d
max
1，
…
，t
max-1]时，对应的输入-输出映射的输出分别为：输变电水环境指标预测值与输入-输出映射的输出之间的误差e
train
计算如下：s6-4、根据(t
max-d
max
)个输入-输出映射随机构造验证样本集，并计算验证样本集对应的验证误差：随机构造验证样本集，设验证样本集中样本个数为s
max
，样本取自s4中(t
max-d
max
)个输入-输出映射的输入，输入-输出映射的下标随机产生：r
s
＝random(d
max
，t
max-1)，s＝[1，2，
…
，s
max
]random(
·
)为在d
max
和t
max-1之间的随机取整函数，s为样本个数编号；在输变电水环境指标预测模型的水环境指标输入延迟阶数d
y
、水环境外部影响因素输入延迟阶数d
u
、隐藏层节点数n
max
和权重参数w已确定的基础上，设定输变电水环境指标预
测模型的输入分别为：测模型的输入分别为：测模型的输入分别为：测模型的输入分别为：则对应的输变电水环境指标预测值分别为：当s4中第t个输入-输出映射的t取值为时，对应的输入-输出映射的输出分别为：验证样本集对应的验证误差e
v
计算如下：s6-5、若输变电水环境指标预测模型的验证误差e
v
小于等于模型预测精度要求ε，即e
v
≤ε，则此时水环境指标输入延迟阶数d
y
、水环境外部影响因素输入延迟阶数d
u
、隐藏层节点数n
max
和权重参数w的取值即为输变电水环境指标预测模型的参数取值，继续进行s7；若输变电水环境指标预测模型的验证误差e
v
大于模型预测精度要求ε，即e
v
＞ε，则流程返回s6-2，按照s6-2规定的取值范围重新给定水环境指标输入延迟阶数d
y
、水环境外部影响因素输入延迟阶数d
u
和隐藏层节点数n
max
这三个值，然后按照s6-3获取新的权重参数w，最后按照s6-4计算新的验证误差e
v
，直到找到一组使e
v
≤ε的新的水环境指标输入延迟阶数d
y
、水环境外部影响因素输入延迟阶数d
u
、隐藏层节点数n
max
和权重参数w的取值，此组新的取值即为输变电水环境指标预测模型的参数取值；s7、根据参数取值已定的输变电水环境指标预测模型、基于断面水环境指标的反馈时间序列y和基于外部因素的输入时间序列u预测输变电水环境指标的将来值；具体如下：将输入参数取值已定的输变电水环境指标预测模型，得到模型的输出输出即为t
max
1采样时刻的输变电水环境指标预测值。2.一种根据权利要求1所述基于多因素耦合的输变电水环境指标预测方法，其特征在于：s5-3中，隐藏层节点的激励函数f
ac
(
·
)取标准sigmoid函数。3.一种根据权利要求1所述基于多因素耦合的输变电水环境指标预测方法，其特征在于：s5-4中，输出层节点的激励函数f
bc
(
·
)取标准sigmoid函数。4.一种根据权利要求1所述基于多因素耦合的输变电水环境指标预测方法，其特征在
于：s6-2中，隐藏层节点数取值范围的下界n
max，0
取50。5.一种根据权利要求1所述基于多因素耦合的输变电水环境指标预测方法，其特征在于：s6-3中，为使误差e
train
最小化，时滞非线性自回归映射网络的权重参数w采用以下三种标准的误差最小化优化算法中的任意一种确定：列文伯格-马夸特算法、贝叶斯正则化算法或量化共轭梯度算法。

技术总结
本发明涉及输变电环境监测与评价领域，尤其涉及一种基于多因素耦合的输变电水环境指标预测方法。该方法通过获取纳污水体监测断面的水环境指标及其外部影响因素，构建基于“时间-采样点-指标”的断面水环境指标矩阵和外部因素矩阵，形成基于断面水环境指标的反馈时间序列和基于外部因素的输入时间序列，以此为基础构建基于多因素耦合的时滞非线性自回归映射网络，进而构建输变电水环境指标预测模型，实现根据断面水环境指标和外部因素两个时间序列的过去值预测断面水环境指标的将来值。通过该模型可以提前预测输变电建设工程对纳污水体水环境的影响，为输变电工程水环境监测和预警提供技术支撑。预警提供技术支撑。预警提供技术支撑。


技术研发人员：杨波 杨东俊 陈曦
受保护的技术使用者：长沙学院
技术研发日：2022.08.18
技术公布日：2022/11/11