[发明专利]一种城市生态环境的动态变化及预测方法

说明书

本发明公开了一种城市生态环境的动态变化及预测方法，通过设置监测系统实时获取监测数据，对并对数据进行平稳性处理，将不平稳序列转化为平稳序列，构建整合移动平均自回归(ARIMA)模型对环境动态变化进行预测；通过上述方式，本发明能够实现对城市生态环境的动态变化的准确检测和预测，并提升监测设备的精度和使用寿命，且预测模型简单，预测结果误差较小，适用范围广。

技术领域

本发明涉及生态环境预测领域，特别是涉及一种城市生态环境的动态变化及预测方法。

背景技术

城市生态环境是人类在改造和适应自然环境的基础上建立起来的特殊的人工生态环境，其对环境污染的自动净化能力远不如自然生态环境，而随着城市化进程的加剧，涌入的人口在带来各行业空前发展的同时，也让城市生态环境面临着巨大的冲击，空气污染、水体污染、垃圾围城等问题日益严峻，其中，本就短缺的水资源在水体污染下变得更为匮乏，对人类日常生活和经济社会发展造成了极大的威胁，因此，为了有效防治水体污染，对其进行动态监测及趋势预测具有重要意义。

常见的水体污染包括无机物污染、重金属污染、耗氧物质污染和植物营养物质污染等，而在众多污染物中，重金属污染因其危害大、范围广且具有富集性引起人们的普遍关注；有毒的重金属离子，尤其是广泛应用于冶金、摄影材料和电子工业的铅离子和镉离子，随工业生产中的废液排出后，可被微生物吸收，并逐渐积累到食物链中，最终在高营养生物体中能达到危害物种的水平，对人类来说，高浓度重金属铅离子和镉离子会导致运动、语言和听力障碍，甚至导致死亡，这些重金属对人类健康和生态环境的危害是显而易见的，因此迫切需要对水体中的相应重金属进行准确监测。

传统的重金属离子监测普遍采用的是分光光度、电感耦合、原子吸收法和电位滴定等方法，但上述方法或因易受样品颜色和浊度干扰而需繁琐的预处理，或因仪器价格昂贵、分析成本高而难以推广，在实际应用中受到局限；与传统的方法相比，电化学测定方法因其操作简便、选择性好、灵敏度高和易于在线监测自动分析等优点，逐渐应用于过程控制和环境监测等领域，基于电化学方法构建的传感器也被用于重金属离子的监测，而监测结果的准确性则与传感器中工作电极的材料密切相关。

基于获得的监测数据，对其进行趋势预测也是水污染防治的重要环节。当前常见的水质预测方法包括回归分析法、灰色预测法、人工神经网络预测法和时间序列法等，其中，回归分析法可以在难以推断影响因素主次关系时建立水质预测模型，但由于没有对自变量进行优化，导致计算量增加而回归效果降低；灰色预测法因建模过程简单且结果易求而应用较为广泛，但当原始数据波动性较大、规律性较弱时预测所得结果与实际偏差较大，拟合精度较低；人工神经网络预测法对于不确定、非线性问题具有较好的适用性，但其所需训练数据量较大，不适用于样本相对较少的情况；时间序列法则可以通过对有限样本进行概率论方法的分析，建立具有一定精度的模型，但更适用于平稳的水质变化，当前仍缺乏普适性的预测方法。

发明内容

基于现有技术存在的监测系统检测精度不高和预测方法缺乏普适性等问题，本发明提供一种城市生态环境的动态变化及预测方法，通过制备滤膜和传感器电极材料，提高监测系统使用寿命和数据检测精度；通过差分的方式将非稳态数据转化为稳态，并采用整合移动平均自回归(ARIMA)模型进行预测，对稳态和非稳态环境均适用，从而实现对城市生态环境的动态变化的准确检测和预测。

为实现上述目的，本发明提供了一种城市生态环境的动态变化及预测方法，包括如下步骤：

(1)生态信息采集：在研究区内设置监测点位置并安装水质监测系统，获取监测数据；

(2)数据处理：对获取的序列数据进行预处理，包括数据的清洗和平稳性处理；

(3)参数计算：分析并计算ARIMA(p,d,q)模型中的p值和q值；

(4)动态变化预测：采用ARIMA(p,d,q)模型进行预测，并分析预测结果的准确性。