[发明专利]一种基于信息熵的排水管网监测点的布置方法

说明书

本发明公开了一种基于信息熵的排水管网监测点的布置方法，具体为：首先，获取相关管网的坐标、概化区域、地表类型、节点污染物入流量等相关参数，并对排水管网区域进行监测，确定区域内污染物排放时间高峰段；之后确定排水管网污染源识别参数的先验分布信息，通过先验分布与似然函数相结合，转换为后验概率分布，得到参数的后验概率密度函数，带入信息熵计算中，得到不同监测方案的管网模型各个节点的信息熵近似值；最后绘制不同监测个数的最小信息熵变化曲线，根据信息熵的变化情况，筛选出信息熵下降较为明显的监测点数量。本发明结合多种算法，实现排水管网监测点布置的突破研究，实现快速、信息化及智能化的排水管网监测点布置。

技术领域

本发明属于排水系统水质监测技术领域，具体涉及一种基于信息熵的排水管网监测点的布置方法。

背景技术

目前关于排水管网监测点优化布置的研究十分有限，优化布置方法主要借鉴给水管网领域，相关排水管网的监测点优化少之又少，国内外现有的针对污染事件的研究主要集中于监测点的优化选址和污染源位置识别两方面，很少考虑以污染源位置识别为目标的水质监测点优化选址。

主要的监测点优化基本以模糊聚类和动态贴近度等方法为主，但这两种方法只是考虑了相关管井之间相互关系，而且较多的依赖于人工对管网拓扑结构的分析与认识，相关性的识别仅为辅助作用，监测点最终布置结果受人为因素影响较大。因此，需要利用更加客观且可度量的指标进行监测点优化设计，通常做法是定义某个目标函数，对监测方案的信息含量进行量化。常以信噪比(Signal-noise Ratio，SNR)，以及基于贝叶斯公式的相对熵作为监测井方案信息量的量度指标。但是经研究信噪比仅考虑监测误差对监测数据的干扰影响，相对熵未考虑参数先验分布对后验分布的影响。

针对此问题，提出了基于信息熵的监测点优化模型，信息熵是信息不确定性的度量，不确定性越大，信息熵越大。可以很好的对监测方案进行评价，达到以污染源识别为目的的排水管网监测井优化。

发明内容

本发明的目的是提供一种基于信息熵的排水管网监测点的布置方法，实现排水管网污染物排放节点、排放时间及排放量的精确识别。

本发明所采用的技术方案是，一种基于信息熵的排水管网监测点的布置方法，具体按照以下步骤实施：

步骤1，获取管网区域的相关地理坐标及地表坡度、管道管径、长度、坡度、管道内的污染物衰减系数以及粗糙系数；并进行SWMM模型实例区域概化处理；之后设置污染源的来源、成分、消减方式；并对节点入流量进行设置；

步骤2、对排水管网区域进行监测，确定区域内污染物排放时间高峰段；

步骤3、确定排水管网污染源识别参数的先验分布信息，首先从未知参数x先验分布p(x)中随机采集N个样本，利用SWMM模型进行水质模拟，将实际观测数据与SWMM5模型模拟数据进行比较，通过先验分布与似然函数相结合，转换为后验概率分布，得到参数的后验概率密度函数；

步骤4、将步骤3计算得到的不同监测条件下的概率密度带入信息熵计算中，得到不同监测方案的管网模型各个节点的信息熵近似值；

步骤5、根据步骤4计算得到的不同监测方案的管网模型各个节点的信息熵近似值绘制不同监测个数的最小信息熵变化曲线，根据信息熵的变化情况，筛选出信息熵下降较为明显的监测点数量。

本发明的特点还在于，

步骤2中，监测时间设置为65-90min；监测时间间隔设置为5min；监测次数为6次。

步骤3中，具体为：

步骤3.1、确定排水管网污染源识别参数的先验分布信息，先验分布信息包括节点先验分布、排放量先验分布、时间先验分布、管道管径、管道断面形状、管道内的污染物的粗糙系数以及衰减系数；其概率密度函数表达式如式(1)所示：