[发明专利]基于WASP模型的水质软测量及水体富营养化评价方法

权利要求书

1.基于WASP模型的水质软测量及水体富营养化评价方法，其特征在于：包括如下步骤，

步骤一：建立基于WASP模型的水质软测量模型；

采用WASP模型中的富营养化模块描述水质指标的动态变化，所述的水质指标包括溶解氧DO、生化需氧量BOD、浮游植物碳Phyt或叶绿素aCh1-a、硝酸盐氮NO₃-N、氨氮NH₃-N、有机氮ON和有机磷OP，各水质指标之间的相互关系用四个反应系统表示，即浮游植物动力学、磷循环、氮循环和溶解氧平衡，根据上述水质指标的方程组成的一组非线性连续微分方程组，便得到水质软测量模型；

步骤二：基于UKF的模型参数估计；

为了得到离散时间模型，利用四阶龙格库塔法进行方程的离散化，便可得到离散形式为：

其中，k表示采样时间点，也是离散点，X(k)表示离散点k的各水质指标的浓度值，v(k)为离散点k的测量噪声，w(k-1)为离散点k-1的过程噪声，X(k)＝[x^T(k),θ^T]^T，h为观测矩阵；

在此基础上，便可利用UKF进行未知模型参数的优化估计，结合一组观测量Y(k)＝[y(1),y(2),…,y(k)]；最终，可得到模型参数估计值

步骤三：融合的水质软测量方法的构建；

基于WASP模型和基于UKF的模型参数估计，构建融合的水质软测量方法，结合水质指标观测值，得到各水质指标的实时浓度值；

步骤四：基于改进模糊综合评价法的水体富营养化评价；

结合融合的水质软测量方法的输出值和水质指标在线测量值，采用改进的模糊综合评价法对水体富营养化状态进行评价。

2.根据权利要求1所述的基于WASP模型的水质软测量及水体富营养化评价方法，其特征在于：

水质软测量模型的非线性连续微分方程组如下：

其中，分别表示DO、BOD、Phyt、NO₃-N、NH₃-N、ON和OP的浓度值，公式(1)中未知模型参数的名称或定义如下表所示：

令θ＝(k₁,k₂,k₃,k₄,k₅,k₆,k₇,k₈,k₉,k₁₀)^Τ，则过程方程写为：

又令X＝[x^T,θ^T]^T，然后加入过程噪声w，得扩展的过程方程为：

其中，w为过程噪声，且满足w～N(0,Q)，Q为过程协方差矩阵；同样地，得到测量方程为：

其中，y为观测量，h为观测矩阵，v为测量噪声，且满足v～N(0,R)，R为测量协方差矩阵；得到水质指标的连续动态模型为：

公式(5)即为水质软测量模型。

3.根据权利要求1所述的基于WASP模型的水质软测量及水体富营养化评价方法，其特征在于：

步骤四具体步骤如下：

(4.1)水质评价指标的选取；

假设水体富营养化状态为n个等级，即：

V＝{V₁,V₂,…,V_j,…,V_n} (7)

其中，V_j为第j个富营养化评价等级，假设存在M个评价指标，即{C₁,C₂,…,C_M}；则累积频率法具体的公式如下：

其中，i为水质评价指标的标签；j为富营养化评价等级的标签；C_i为第i个指标的浓度值；σ_ij为第i个指标的j类标准值；β_i为第i个指标的超标倍数；和为计算中间变量；K_i为前i个指标的累积频率；

根据统计分析要求，在选取评价指标时，取K_i≥85％，在此基础上，便得到m个关键的水质评价指标，即C＝{C₁,C₂,…,C_m}，m∈M；

(4.2)隶属函数和模糊关系矩阵的建立；

构建模糊关系矩阵R:C→V如下：

其中，r_ij为第j个富营养化评价等级V_j中第i个水质评价指标C_i的隶属度，且

(4.3)评价指标权重的确定；

利用聚类权法进行指标权重的确定，具体公式如下所示：

其中，w_ij是第j类富营养化等级的第i个评价指标权重，指标权重矩阵W为，

W＝(W₁,W₂,…,W_j,…,W_n) (11)

其中，W_j是第j类富营养化等级的指标权重矩阵，即

W_j＝(w_1j,w_2j,…,w_ij,…,w_mj) (12)

(4.4)模糊合成运算；

结合指标权重W和模糊关系矩阵R，基于全部评价指标的模糊综合评价结果B如下所示：

其中，b_j是对应于第j类富营养化等级的相对隶属度；根据最大隶属度原则，最终的水体富营养化等级为，