[发明专利]水质预测方法和系统

说明书

本发明实施例提供水质预测方法和系统。其中，方法包括：获取一定时间段内的水质参数的观测数据，将一定时间段内每一时间单位的水质参数的观测数据按照时间顺序进行排序，获取观测数据序列；根据预设的滑动窗口，获取观测数据序列末端的子序列作为特征序列；将特征序列输入至预设的反向传播神经网络，根据预设的反向传播神经网络的输出，获得水质参数的预测结果。本发明实施例提供的水质预测方法和系统，通过滑动窗口处理一定时间段内的水质参数的观测数据获得特征序列，并将特征序列输入反向传播神经网络，获得水质参数的预测结果，能有效提高预测精度。

技术领域

本发明实施例涉及环境预测技术领域，尤其涉及水质预测方法和系统。

背景技术

地下水作为人类饮用水重要来源之一，一旦水质受到污染，将对人体 健康和生命安全构成了严重威胁。水质变化预测是实现水资源管理、水污 染治理的前提工作。水质的影响因子为pH值、溶解氧(DO)、电导率(EC)、 浊度(TU)、氨氮(NH3-N)、化学需氧量(COD)、高锰酸盐等水质参数，对 其中溶解氧、氨氮、高锰酸盐的预测，对不同流域的污染治理、水源管理 具有预警作用。使用历史数据，可通过不同的预测方法挖掘水质指标之间 的非线性关系或待预测水质指标本身随时间的变化规律。地下水水质受人 类活动和水文气象条件的双重影响，需要及时地监测地下水的水量与水质 状况，预测后续水质变化。

现有技术中，有采用反向传播神经网络(Back Propagation Neural Network，简称BPNN、BP神经网络)进行水质预测的方法。该类方法中， 大多提取气象数据、水塘的特征数据作为特征，进行水质预测；也有采用 水质的时间序列作为特征进行水质预测的方法。上述方法存在BPNN的训 练速度较慢、容易陷入误差性能函数的局部最小，导致预测的速度较慢和 精度不足。

发明内容

针对现有技术存在的水质预测的精度不足的问题，本发明实施例提供 水质预测方法和系统。

根据本发明的第一方面，本发明实施例提供一种水质预测方法，包括：

获取一定时间段内的水质参数的观测数据，将所述一定时间段内每一时 间单位的水质参数的观测数据按照时间顺序进行排序，获取观测数据序列；

根据预设的滑动窗口，获取观测数据序列末端的子序列作为特征序列；

将所述特征序列输入至预设的反向传播神经网络，根据所述预设的反向 传播神经网络的输出，获得水质参数的预测结果；

其中，所述预设的反向传播神经网络是根据样本特征序列进行训练后获 得的；每一所述样本特征序列为根据所述预设的滑动窗口获取的所述观测数 据序列中的子序列。

根据本发明的第二方面，本发明实施例提供一种水质预测系统，包括：

序列获取模块，用于获取一定时间段内的水质参数的观测数据，将所述 一定时间段内每一时间单位的水质参数的观测数据按照时间顺序进行排序， 获取观测数据序列；

特征获取模块，用于根据预设的滑动窗口，获取观测数据序列末端的子 序列作为特征序列；

水质预测模块，用于将所述特征序列输入至预设的反向传播神经网络， 根据所述预设的反向传播神经网络的输出，获得水质参数的预测结果；

其中，所述预设的反向传播神经网络是根据样本特征序列进行训练后获 得的；每一所述样本特征序列为根据所述预设的滑动窗口获取的所述观测数 据序列中的子序列。

根据本发明的第三方面，本发明实施例提供一种水质预测设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：