一种水环境水质预测与异常状态溯源方法和装置

本发明属于智慧环保，尤其涉及一种水环境水质预测与异常状态溯源方法和装置。

背景技术：

1、目前，应用最为广泛的水环境水质预测与异常状态溯源方法是建立基于人工神经网络的软测量模型，并在此基础上运行统计分析、回归分析等方法，其在经济性、可靠性和可移植性等方面展现了较为突出的优势。随着持续推进智慧环保建设，人工智能技术已成为水环境水质状态感知与预测领域节能、减排、保质的重要手段。同时，对水环境质量高标准监管给现有的水环境水质预测与异常状态溯源带来了新的挑战：(1)现有的人工神经网络软测量模型大多数采用浅层结构，在面对多要素时空耦合的水环境水质状态演化过程时，无法完成对水质复杂动力学特性进行大数据表征和学习；(2)单一精度导向训练策略导致水质软测量模型稳定性较差，无法形成具有可解释性的性能评估方法；(3)当预测结果出现异常状态时，现有的水质软测量模型无法给出针对异常状态的定量因果分析和回溯方法。

技术实现思路

1、本发明要解决的技术问题是，提供一种水环境水质预测与异常状态溯源方法和装置，以解决针对水环境水质预测精度低、水质异常状态回溯困难的问题，利用深度信念网络作为水质预测模型，并设计数据驱动的学习算法对预测模型进行有效地训练，然后设计基于互信息度量的预测模型敏感度分析方法，实现对水质异常状态的溯源分析。

2、为实现上述目的，本发明采用如下的技术方案：

3、一种水环境水质预测与异常状态溯源方法，包括以下步骤：

4、步骤s1、获取水环境监测数据；

5、步骤s2、根据水环境监测数据，训练数据驱动的深度信念网络模型；

6、步骤s3、利用训练好的深度信念网络模型作为预测模型对未来不同时间段内的水质状态进行预测；同时通过预测模型敏感性分析，实现水环境水质异常状态的溯源分析。

7、作为优选，步骤s1包括：

8、根据水环境监测数据，选取酸碱度ph和溶解氧do作为表征水质状态的参数；

9、选取与ph和do相关联的水环境状态变量作为辅助变量，得到辅助变量与ph和do的定性非线性映射关系。

10、作为优选，步骤s2中，利用辅助变量与ph和do的数据对深度信念网络模型进行训练，使其逼近辅助变量与ph和do的定量非线性映射关系。

11、作为优选，步骤s3中，基于互信息度量的预测模型敏感性分析，给出水质异常状态与模型输入量相关性的定量描述，实现水环境水质异常状态的溯源分析。

12、本发明还提供一种水环境水质预测与异常状态溯源装置，包括：

13、获取模块，用于获取水环境监测数据；

14、训练模块，用于根据水环境监测数据，训练数据驱动的深度信念网络模型；

15、处理模块，用于利用训练好的深度信念网络模型作为预测模型对未来不同时间段内的水质状态进行预测；同时通过预测模型敏感性分析，实现水环境水质异常状态的溯源分析。

16、作为优选，获取模块包括：

17、第一选取单元，用于根据水环境监测数据，选取酸碱度ph和溶解氧do作为表征水质状态的参数；

18、第二选取单元，用于选取与ph和do相关联的水环境状态变量作为辅助变量，得到辅助变量与ph和do的定性非线性映射关系。

19、作为优选，训练模块利用辅助变量与ph和do的数据对深度信念网络模型进行训练，使其逼近辅助变量与ph和do的定量非线性映射关系。

20、作为优选，处理模块基于互信息度量的预测模型敏感性分析，给出水质异常状态与模型输入量相关性的定量描述，实现水环境水质异常状态的溯源分析。

21、相比现有技术，本发明具有以下技术效果：

22、(1)本发明针对水环境水质状态演化特性复杂、预测精度低等问题，提出了一种数据驱动的深度信念网络。在实际水环境运行数据的基础上，利用数据驱动的学习策略训练深度信念网络模型。

23、(2)本发明针对水质模型预测输出状态异常的溯源分析困难的问题，设计了一种基于互信息度量的预测模型敏感性分析方法，给出水质模型预测输出与输入量之间相关性的定量描述，进而实现水环境水质异常状态的溯源分析。

技术特征：

1.一种水环境水质预测与异常状态溯源方法，其特征在于，包括以下步骤：

2.如权利要求1所述的水环境水质预测与异常状态溯源方法，其特征在于，步骤s1包括：

3.如权利要求2所述的水环境水质预测与异常状态溯源方法，其特征在于，步骤s2中，利用辅助变量与ph和do的数据对深度信念网络模型进行训练，使其逼近辅助变量与ph和do的定量非线性映射关系。

4.如权利要求3所述的水环境水质预测与异常状态溯源方法，其特征在于，步骤s3中，基于互信息度量的预测模型敏感性分析，给出水质异常状态与模型输入量相关性的定量描述，实现水环境水质异常状态的溯源分析。

5.一种水环境水质预测与异常状态溯源装置，其特征在于，包括：

6.如权利要求5所述的水环境水质预测与异常状态溯源装置，其特征在于，获取模块包括：

7.如权利要求6所述的水环境水质预测与异常状态溯源装置，其特征在于，训练模块利用辅助变量与ph和do的数据对深度信念网络模型进行训练，使其逼近辅助变量与ph和do的定量非线性映射关系。

8.如权利要求7所述的水环境水质预测与异常状态溯源装置，其特征在于，处理模块基于互信息度量的预测模型敏感性分析，给出水质异常状态与模型输入量相关性的定量描述，实现水环境水质异常状态的溯源分析。

技术总结本发明公开一种水环境水质预测与异常状态溯源方法和装置，包括：步骤S1、获取水环境监测数据；步骤S2、根据水环境监测数据，训练数据驱动的深度信念网络模型；步骤S3、利用训练好的深度信念网络模型作为预测模型对未来不同时间段内的水质状态进行预测；同时通过预测模型敏感性分析，实现水环境水质异常状态的溯源分析。采用本发明的技术方案，解决针对水环境水质预测精度低、水质异常状态回溯困难的问题。技术研发人员：王功明,李欣怡,陈红,韩红桂,乔俊飞受保护的技术使用者：北京工业大学技术研发日：技术公布日：2024/11/4