[发明专利]一种河口区污染物监测数据的智能融合与分析方法

权利要求书

1.一种河口区污染物监测数据的智能融合与分析方法，其特征在于，包括：

S₁、收集河口区污染物历史监测数据，构建研究区域的污染物数据库；

S₂、考虑污染物对流扩散及相互作用过程，构建污染物输运模型；

S₃、调用污染物数据库相关数据，构建污染物输运模型的初始条件和边界条件，获得模型背景场；

S₄、获取监测地点的现场实时观测数据，更新S₁建立的污染物数据库；采用自适应的最优插值算法OI对污染物实时观测数据进行数据同化，提高S₂中污染物输运模型模拟的精确度；

所述自适应的含义为：考虑到模式变量的最优分析场x^a的物理意义和时空尺度，给定当前观测点的影响范围R和受影响的计算的格点数N'；设k'表示第k'个观测点，设集合U_k'表示第k'个观测点的所能影响的网格点(i,j)的集合，逐一计算第k'个观测点与每一个网格点(i,j)之间的距离r，若r≤R，则将该网格点(i,j)并入集合U_k'，直到遍历所有网格点，判断集合U_k'中的网格点个数n'_k'，若n'_k'≥N'，可以直接用最优插值算法；如果此集合U_k'内网格点数n'_k'≤N'个，需扩大影响范围R，每次增加3％，重复上述步骤，直到集合U_k'内网格点数n'_k'≥N'，此时的影响范围即为观测点k'最终的影响范围；

S₅、将时变振幅拟合与机器学习相结合，对S₄的数据同化结果进行分析，获取河口区污染物的变化特征；

所述的获取河口区污染物的变化特征具体为：

污染物浓度的周期变化的时变振幅H_p(t)和时变的相位角分别用下式表示：

其中，通过插值法计算得到的H_p(t)和作为循环神经网络中的长短期记忆网络的输入，得到在N时刻之后m个时间步的变化特征，即在t_N+1至t_N+m时刻的H_p(t_N+1)至H_p(t_N+m)和至

污染物的浓度随时间的变化形式用以下式子表示：

其中，C_p表示第p个污染物的浓度，A₀表示污染物的平均浓度，A₁表示污染物浓度的变化趋势,ω_p是个常数，表示第p个污染物浓度变化频率，t为时间，将H_p(t_N+1)至H_p(t_N+m)和至带入式得到C_p(t_N+1)至C_p(t_N+m)，即完成对污染物浓度变化的预测。

2.根据权利要求1所述的一种河口区污染物监测数据的智能融合与分析方法，其特征在于，步骤S₁中污染物数据库中数据包括：氨氮、硝酸盐、亚硝酸盐、铜、锌、六价铬、TOC、COD、总氮以及总磷。

3.根据权利要求1所述的一种河口区污染物监测数据的智能融合与分析方法，其特征在于，步骤S₂所述的污染物输运模型如下：

其中，下标p表示不同的污染物，C_p代表第p个污染物的浓度，u和v分别表示东西方向和南北方向的流速分量，w代表垂直方向的流速分量，A_H与K_H分别为水平方向和垂直方向的扩散系数，θ_p,q表示第q个污染物对第p个污染物的影响，表示其他污染物对第p个污染物的整体影响，x、y和z为空间直角坐标系，t为时间。