[发明专利]水华机理时变模型的禁忌搜索及遗传算法优化预测方法

说明书

技术领域

本发明涉及一种湖库藻类水华生成机理时变模型优化及水华预测方法，属于环境工程技术领域。

背景技术

随着经济社会的发展，水体富营养化已经成为一个全球性的重大水环境问题。随着全球水体富营养化的加剧，湖泊发生水华现象也越来越普遍。水华的暴发，破坏了水体中的生物多样性，严重制约了经济建设和社会发展。因此，深入研究藻类水华生成过程，对藻类水华暴发这一非常规突发事件进行有效模拟和预测，对促进水环境保护和技术进步具有重要意义。

目前水华生成过程建模研究主要包括机理驱动模型和数据驱动模型。机理驱动模型包含生态变量和待定参数，通过描述水华生成机理过程进行机理建模；而数据驱动模型采用数据挖掘技术，从大量的实测数据中通过智能算法搜索隐藏于其中的相关信息，尤其适用于机理不明确的高维非线性系统。上述两类建模方法各有所长，但机理驱动模型多是针对湖库水体的环境、化学、物理及营养因素与水华生成的作用机理方面展开研究，建模过程复杂且模型结构固定，难以保证模型的环境适应性；而基于数据驱动的分析模型缺乏机理支撑，无法合理解释各种影响因素与水华生成的因果关系，难以保证模型的准确性。

在机理驱动模型的基础上，采用数据驱动模型的智能算法对其进行优化可实现两种模型的优势互补。机理模型的优化可分为模型结构的优化和模型参数的优化两个方向。现有机理模型优化方法多是针对模型参数的优化，即模型结构固定不变，仅优化模型参数，而很少有针对模型结构的优化。然而仅优化模型参数，模型的环境适应性并不能得到大幅提高，当水体环境与模型结构不匹配时，其模型准确性也无从谈起，因此需对模型结构和模型参数均进行优化。

在对水华预测的研究中，现有的水华预测方法大多基于数据驱动模型，存在预测结果不够准确的问题。而在现有水华生成过程的机理驱动模型研究中，所建的水华生成机理模型大多没有引入时间变量，由于水华生成过程是一个具有时变特性的动态过程，因此现有水华生成机理模型仅适用于模拟水华生成过程，而难以将其用于水华预测。

因此，如何建立一个环境适应性高且能够用于水华预测的水华生成机理模型，需综合考虑对水华生成机理模型引入时间变量后其模型结构优化和模型参数优化的方法，是湖库藻类水华研究领域中亟待解决的问题。

发明内容

本发明的目的是为了解决现有的水华生成机理模型环境适应性不高以及无法用于水华预测的问题，对水华生成机理模型引入时间变量，并基于禁忌搜索和遗传算法对水华生成机理时变模型进行模型结构优化和模型参数优化，以提高模型的环境适应性及准确性，并实现基于水华生成机理时变模型的水华预测。

本发明提供的基于禁忌搜索和遗传算法的湖库藻类水华生成机理时变模型优化及预测方法，主要包括以下五个步骤：

步骤一、构建水华生成机理时变模型；

叶绿素是表征水体中藻类现存量的最直接指标，可采用叶绿素作为反映藻类水华生成的表征因素。叶绿素的变化率与叶绿素的生长率、死亡率以及净损失率密切相关，其中叶绿素生长率由水温、总磷、总氮和溶解氧等水华影响因素决定，考虑到叶绿素生长率、叶绿素含量及叶绿素死亡率的随时间变化的特点，对叶绿素变化率、叶绿素含量及叶绿素死亡率构建带有时间函数的水华生成机理时变模型。

步骤二、建立影响因素函数模型库；

不同环境下水华影响因素对水华生成机理影响的效果不同，为建立适应不同环境下的水华生成机理时变模型，需构建水华影响因素的函数模型库。考虑到影响因素的随时间变化的特点，函数模型库分为两部分，一部分是反映影响因素与时间关系的时间函数模型库，另一部分是反映影响因素与叶绿素生长率关系的作用函数模型库。之后，为每个影响因素从函数模型库中随机选取一个时间函数模型和一个作用函数模型作为水华生成机理时变模型结构的初始解。

步骤三、基于遗传算法优化水华生成机理时变模型参数；

对已确定模型结构的水华生成机理时变模型进行参数优化。水华生成机理时变模型参数优化分为两个部分，即首先对影响因素时间函数模型参数采用最小二乘法进行优化，再对水华生成机理时变模型中(除影响因素时间函数模型参数以外)其余参数采用遗传算法进行优化。

步骤四、基于禁忌搜索算法优化水华生成机理时变模型结构及影响因素分析；