[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

说明书

本发明公开了一种基于WASP模型的水质软测量及水体富营养化评价方法，属于环境工程技术领域。本发明首先建立基于WASP模型的水质软测量模型，同时结合UKF对水质软测量模型的未知参数进行估计，以提高水质软测量模型的准确性。然后利用改进的模糊综合评价法对水体进行富营养化评价，以进一步验证水质软测量模型的有效性。本发明可解决水质指标不能在线测量的问题，在提高对水质软测量模型的准确性的同时，还可以得到实时的评价结果并提高富营养化评价的准确度。

技术领域

本发明涉及一种基于WASP模型的水质软测量方法及水体富营养评价方法，属于环境工程技术领域。具体地说，是在深入研究WASP机理模型的基础上，对模型中的未知参数利用无迹卡尔曼滤波(UKF)进行估计，从而构建融合水质软测量方法，最后利用改进的模糊综合评价法对水体状态进行富营养化评价。

背景技术

随着现代社会工业科技的飞速发展，工业和生活污水日益增多，湖库富营养化现象越来越严重，其中氮和磷是湖库等慢流水体富营养化现象加剧的主要原因。目前，亚太地区中54％的湖泊存在富营养化现象，因此，深入研究富营养化的生成过程，获取各水质指标的实时浓度值，及时地评价或预测水体的富营养化状态，对促进水环境保护和技术进步具有重要意义。

然而，一些水质指标例如生化需氧量(BOD)和总氮(TN)等不能在线测量，便提出了水质软测量模型来解决此问题。目前，软测量建模有三大类基本方法：机理建模、辨识建模和基于人工智能的建模。机理建模是在分析系统机理的基础上，利用基本的物理和化学定律，如物料或能量守恒关系，得到数学关系表达式的方法；辨识建模方法直接利用输入输出数据所提供的信息建立数学模型；基于人工智能的建模是利用人工智能方法对实际系统或系统的某一部分进行描述和表达的过程。上述三类软测量建模方法各有所长，但对于实际工业过程，机理建模可能代价很高，引入的各种假设条件也会影响模型的精度；而辨识建模和基于人工智能的建模方法均存在精度不高等缺点。

发明内容

本发明为了解决现有的水质指标未能实现实时测量，以及对富营养化评价方法存在不确定性的问题，提出一种基于WASP模型的水质软测量及水体富营养化评价方法，为水体富营养化状态进一步预测或评价提供了理论支持。

本发明是一种基于WASP模型的水质软测量及水体富营养化评价方法，其设计思想是：首先建立基于WASP模型的水质软测量模型，同时结合UKF对水质软测量模型的未知参数进行估计，以提高水质软测量模型的准确性。然后利用改进的模糊综合评价法对水体进行富营养化评价，以进一步验证水质软测量模型的有效性。

本发明提供一种基于WASP模型的水质软测量方法及水体富营养化评价技术方法，该方法具体步骤如下：

步骤一：建立基于WASP模型的水质软测量模型。

WASP模型中的富营养化(EUTRO)模块，可描述水质指标的动态变化，包括溶解氧(DO)、生化需氧量(BOD)、浮游植物碳(Phyt)(或叶绿素a(Chl-a))、硝酸盐氮(NO₃-N)、氨氮(NH₃-N)、有机氮(ON)和有机磷(OP)等。且他们之间的相互关系可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。水质软测量模型便由上述七个水质指标方程组成的一组非线性连续微分方程组得到。

步骤二：基于UKF的模型参数估计。

在实际中，UKF是状态估计的一种有效方法。UKF摒弃了非线性函数进行线性化的传统做法，采用Kalman线性滤波框架，对于一步预测方程，使用无迹变换(UT)来处理均值和协方差的非线性传递问题。UKF算法是用一系列确定样本来逼近状态的后验概率密度，而不是对非线性函数进行近似，不需要对Jacobian矩阵进行求导,且UKF没有把高阶项忽略，因此对于非线性分布的统计量有较高的计算精度。故将UKF应用于水质软测量模型中未知参数的优化估计，可进一步提高水质软测量模型的准确性。