一种流域地表水综合质量预测方法及装置与流程

本发明涉及计算机，特别涉及一种流域地表水综合质量预测方法及装置。

背景技术：

1、流域地表水监测数据通常具有低频、小样本和非连续时间序列特征，流域地表水的水质呈现出明显的空间异质性和阶段性变化特征。传统地表水评价方案通常依赖单项指标达标判断或人工综合判别，难以同时反映多项污染指标对整体水质状态的共同影响。

2、并且，现有相关方案中存在以下问题：1）水质指数权重设置存在主观性或客观性单一的问题；2）部分方案直接预测cod（chemical oxygen demand，化学需氧量）、氨氮、总磷等单项指标，无法反映整体水质状态；3）部分方案采用传统机器学习直接预测水质等级，缺少可解释的综合评价标签；4）部分方案虽计算水质指数，但未考虑流域地表水监测数据的特性，导致模型适用性不足；5）在有限监测点位条件下难以实现对未监测点位或未知样本的综合水质预测。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种流域地表水综合质量预测方法及装置，能够解决现有相关方案中存在的问题，从而实现了面向流域地表水低频小样本监测数据的综合水质预测，并提高了地表水的综合水质预测的可解释性、效率、可靠性、精确性以及泛化能力，进而为流域水环境监测布点优化与污染防控提供了技术支撑。其具体方案如下：

2、第一方面，本技术提供了一种流域地表水综合质量预测方法，包括：

3、获取流域内多个地表水监测点位在不同采样期次的多源环境监测数据，并对所述多源环境监测数据进行预处理得到结构化样本数据表；所述多源环境监测数据包括水质监测数据、空间位置数据、采样期次数据以及河流属性数据；

4、根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系，并确定所述评价指标体系中不同类型的各水质指标的单项污染指数；

5、基于预设组合赋权机制和所述单项污染指数确定各所述水质指标的主观权重和客观权重，并对所述主观权重和所述客观权重进行融合得到各所述水质指标的组合权重；

6、利用所述单项污染指数和所述组合权重确定所述结构化样本数据表中各监测样本的地表水综合质量指数，并根据所述地表水综合质量指数确定等级划分结果；所述等级划分结果包括若干个水质等级和/或污染风险等级；

7、将所述地表水综合质量指数作为监督学习标签，并利用所述监测样本训练预设表格预测模型学习多源环境因子与地表水综合质量状态之间的非线性关系，以确定训练好的目标表格预测模型；所述预设表格预测模型为面向小样本表格数据的预测模型；

8、基于目标地表水监测点位的待处理监测样本、所述目标表格预测模型、所述等级划分结果以及预设指标敏感性分析策略确定目标预测结果，并根据所述目标预测结果确定是否触发预警。

9、可选的，所述对所述多源环境监测数据进行预处理得到结构化样本数据表，包括：

10、对所述多源环境监测数据进行全空样本删除，以确定第一处理后监测数据；

11、对所述第一处理后监测数据中的目标字段进行向下填充，以确定第二处理后监测数据；所述目标字段包括河流名称和断面属性；

12、对所述第二处理后监测数据中的数值型水质指标进行数值转换，以确定第三处理后监测数据；

13、对所述第三处理后监测数据进行缺失值处理，以确定第四处理后监测数据；

14、对所述第四处理后监测数据中的类别型变量进行编码，以确定第五处理后监测数据；

15、对所述第五处理后监测数据中的所述空间位置数据和所述采样期次数据进行格式统一，以确定第六处理后监测数据；

16、基于所述第六处理后监测数据构建结构化样本数据表。

17、可选的，所述根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系，并确定所述评价指标体系中不同类型的各水质指标的单项污染指数，包括：

18、根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系；所述地表水综合质量评价指标体系包括基础理化状态指标、有机污染指标、氮污染指标和磷污染指标；所述基础理化状态指标包括ph和溶解氧；所述有机污染指标包括化学需氧量、高锰酸盐指数及五日生化需氧量；所述氮污染指标包括氨氮和总氮；所述磷污染指标包括总磷；

19、根据所述地表水综合质量评价指标体系中各水质指标的属性，将所述水质指标划分为污染型指标、正向指标以及区间型指标；

20、针对所述污染型指标，根据所述结构化样本数据表中的指标监测值与预设评价标准阈值之间的比值关系确定对应的第一单项污染指数；

21、针对所述正向指标，根据所述指标监测值与预设评价下限阈值之间的关系确定对应的第二单项污染指数；

22、针对所述区间型指标，根据所述指标监测值、预设理想值以及评价区间边界值之间的偏离程度确定对应的第三单项污染指数。

23、可选的，所述基于预设组合赋权机制和所述单项污染指数确定各所述水质指标的主观权重和客观权重，并对所述主观权重和所述客观权重进行融合得到各所述水质指标的组合权重，包括：

24、利用层次分析法分析各所述水质指标对地表水的污染影响程度，并基于相应的分析结果构建判断矩阵；所述分析结果包括重要性分值；

25、根据所述判断矩阵、特征值法以及预设一致性校验规则确定各所述水质指标的主观权重；

26、对各所述单项污染指数进行归一化处理以得到标准化矩阵；

27、基于所述标准化矩阵和熵权法对各所述水质指标在不同监测样本中的信息差异程度进行分析，以确定各所述水质指标的客观权重；

28、根据预设权重融合系数对所述主观权重和所述客观权重进行线性融合，并对相应的融合后权重进行归一化处理，以确定各所述水质指标的组合权重。

29、可选的，所述利用所述单项污染指数和所述组合权重确定所述结构化样本数据表中各监测样本的地表水综合质量指数，并根据所述地表水综合质量指数确定等级划分结果，包括：

30、针对所述结构化样本数据表中的任一监测样本，根据当前监测样本对应的各所述水质指标的所述单项污染指数与所述组合权重进行加权，以确定加权结果；

31、根据各所述水质指标的所述加权结果确定当前监测样本的地表水综合质量指数；其中，所述地表水综合质量指数用于表征对应监测样本相对于预设水环境评价目标的综合污染程度；

32、基于所述地表水综合质量指数的数值范围对地表水综合质量进行等级划分，以确定等级划分结果。

33、可选的，所述将所述地表水综合质量指数作为监督学习标签，并利用所述监测样本训练预设表格预测模型学习多源环境因子与地表水综合质量状态之间的非线性关系，包括：

34、采用按监测点位分组的数据划分方式对所述结构化样本数据表中的所述监测样本进行划分，以确定训练集和测试集；

35、将所述训练集中的水质指标、空间位置、采样期次以及河流属性作为预设表格预测模型的输入特征，并利用所述训练集对应的所述地表水综合质量指数作为监督标签，对所述预设表格预测模型进行模型训练；

36、在模型训练过程中，根据所述输入特征与所述监督标签之间的非线性映射关系调整模型参数，以完成模型训练，得到训练后表格预测模型；

37、基于所述测试集和预设评价指标对所述训练后表格预测模型进行验证，并在验证通过时将所述训练后表格预测模型确定为目标表格预测模型；所述预设评价指标包括决定系数、均方根误差以及平均绝对误差。

38、可选的，所述基于目标地表水监测点位的待处理监测样本、所述目标表格预测模型、所述等级划分结果以及预设指标敏感性分析策略确定目标预测结果，并根据所述目标预测结果确定是否触发预警，包括：

39、在确定所述目标表格预测模型后，通过删去任一所述水质指标，并利用所述目标表格预测模型分析指标删去前后的地表水综合质量指数变化程度，以确定所述流域的指标敏感性分析结果；所述指标敏感性分析结果 包括各所述水质指标的平均相对变化率；

40、将目标地表水监测点位的待处理监测样本输入所述目标表格预测模型得到目标地表水综合质量指数；

41、基于所述目标地表水综合质量指数和所述等级划分结果确定目标等级；所述目标等级包括目标水质等级和/或目标污染风险等级；

42、根据所述指标敏感性分析结果、所述目标地表水综合质量指数以及所述目标等级确定目标预测结果；

43、利用所述目标预测结果中的所述目标等级判断是否满足预设预警触发条件，以确定预警触发判断结果。

44、第二方面，本技术提供了一种流域地表水综合质量预测装置，包括：

45、样本数据表获取模块，用于获取流域内多个地表水监测点位在不同采样期次的多源环境监测数据，并对所述多源环境监测数据进行预处理得到结构化样本数据表；所述多源环境监测数据包括水质监测数据、空间位置数据、采样期次数据以及河流属性数据；

46、指标体系构建模块，用于根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系，并确定所述评价指标体系中不同类型的各水质指标的单项污染指数；

47、组合赋权模块，用于基于预设组合赋权机制和所述单项污染指数确定各所述水质指标的主观权重和客观权重，并对所述主观权重和所述客观权重进行融合得到各所述水质指标的组合权重；

48、等级划分模块，用于利用所述单项污染指数和所述组合权重确定所述结构化样本数据表中各监测样本的地表水综合质量指数，并根据所述地表水综合质量指数确定等级划分结果；所述等级划分结果包括若干个水质等级和/或污染风险等级；

49、模型训练模块，用于将所述地表水综合质量指数作为监督学习标签，并利用所述监测样本训练预设表格预测模型学习多源环境因子与地表水综合质量状态之间的非线性关系，以确定训练好的目标表格预测模型；所述预设表格预测模型为面向小样本表格数据的预测模型；

50、预测模块，用于基于目标地表水监测点位的待处理监测样本、所述目标表格预测模型、所述等级划分结果以及预设指标敏感性分析策略确定目标预测结果，并根据所述目标预测结果确定是否触发预警。

51、可选的，所述样本数据表获取模块，包括：

52、第一数据处理单元，用于对所述多源环境监测数据进行全空样本删除，以确定第一处理后监测数据；

53、第二数据处理单元，用于对所述第一处理后监测数据中的目标字段进行向下填充，以确定第二处理后监测数据；所述目标字段包括河流名称和断面属性；

54、第三数据处理单元，用于对所述第二处理后监测数据中的数值型水质指标进行数值转换，以确定第三处理后监测数据；

55、第四数据处理单元，用于对所述第三处理后监测数据进行缺失值处理，以确定第四处理后监测数据；

56、第五数据处理单元，用于对所述第四处理后监测数据中的类别型变量进行编码，以确定第五处理后监测数据；

57、第六数据处理单元，用于对所述第五处理后监测数据中的所述空间位置数据和所述采样期次数据进行格式统一，以确定第六处理后监测数据；

58、数据表确定单元，用于基于所述第六处理后监测数据构建结构化样本数据表。

59、可选的，所述指标体系构建模块，包括：

60、体系构建单元，用于根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系；所述地表水综合质量评价指标体系包括基础理化状态指标、有机污染指标、氮污染指标和磷污染指标；所述基础理化状态指标包括ph和溶解氧；所述有机污染指标包括化学需氧量、高锰酸盐指数及五日生化需氧量；所述氮污染指标包括氨氮和总氮；所述磷污染指标包括总磷；

61、指标分类单元，用于根据所述地表水综合质量评价指标体系中各水质指标的属性，将所述水质指标划分为污染型指标、正向指标以及区间型指标；

62、第一系数确定单元，用于针对所述污染型指标，根据所述结构化样本数据表中的指标监测值与预设评价标准阈值之间的比值关系确定对应的第一单项污染指数；

63、第二系数确定单元，用于针对所述正向指标，根据所述指标监测值与预设评价下限阈值之间的关系确定对应的第二单项污染指数；

64、第三系数确定单元，用于针对所述区间型指标，根据所述指标监测值、预设理想值以及评价区间边界值之间的偏离程度确定对应的第三单项污染指数。

65、可见，本技术中，获取流域内多个地表水监测点位在不同采样期次的多源环境监测数据，并对所述多源环境监测数据进行预处理得到结构化样本数据表；所述多源环境监测数据包括水质监测数据、空间位置数据、采样期次数据以及河流属性数据；根据流域地表水污染特征及预设水环境评价需求构建地表水综合质量评价指标体系，并确定所述评价指标体系中不同类型的各水质指标的单项污染指数；基于预设组合赋权机制和所述单项污染指数确定各所述水质指标的主观权重和客观权重，并对所述主观权重和所述客观权重进行融合得到各所述水质指标的组合权重；利用所述单项污染指数和所述组合权重确定所述结构化样本数据表中各监测样本的地表水综合质量指数，并根据所述地表水综合质量指数确定等级划分结果；所述等级划分结果包括若干个水质等级和/或污染风险等级；将所述地表水综合质量指数作为监督学习标签，并利用所述监测样本训练预设表格预测模型学习多源环境因子与地表水综合质量状态之间的非线性关系，以确定训练好的目标表格预测模型；所述预设表格预测模型为面向小样本表格数据的预测模型；基于目标地表水监测点位的待处理监测样本、所述目标表格预测模型、所述等级划分结果以及预设指标敏感性分析策略确定目标预测结果，并根据所述目标预测结果确定是否触发预警。

66、也就是说，本技术先对流域内多个地表水监测点位在不同采样期次的多源环境监测数据进行预处理得到结构化样本数据表；之后，构建地表水综合质量评价指标体系，确定体系中不同类型的各水质指标的单项污染指数；然后，利用预设组合赋权机制和单项污染指数确定各水质指标的主观权重和客观权重并融合，得到各水质指标的组合权重；之后，利用单项污染指数和组合权重确定结构化样本数据表中各监测样本的地表水综合质量指数，并进行水质等级划分；之后，将地表水综合质量指数作为监督学习标签，利用监测样本训练预设表格预测模型学习多源环境因子与地表水综合质量状态之间的非线性关系，以确定目标表格预测模型；之后，基于目标地表水监测点位的待处理监测样本、目标表格预测模型、等级划分结果以及预设指标敏感性分析策略确定目标预测结果，并确定是否触发预警。这样一来，能够解决现有相关方案中存在的问题，从而实现了面向流域地表水低频小样本监测数据的综合水质预测，并提高了地表水的综合水质预测的可解释性、效率、可靠性、精确性以及泛化能力，进而为流域水环境监测布点优化与污染防控提供了技术支撑。