[发明专利]一种河道监测断面水质预测方法

权利要求书

1.一种河道监测断面水质预测方法，其特征在于，包括以下步骤：

(1)监测记录历史水质数据以及气象数据，并按时间序列排序，构建序列格式数据集；

(2)将步骤(1)构建的序列格式数据集进行预测模型建模，预测目标水质参数的变化趋势；

(3)将步骤(1)构建的序列格式数据集中的近期数据进行预测模型建模，预测目标水质参数的周期性；

(4)将步骤(2)和步骤(3)得到的目标水质参数的变化趋势与周期性预测结果相结合，预测目标水质参数的时序变化；

(5)将步骤(4)中目标水质参数时序变化的预测值与对应时刻气象指标时序变化的实测值作为自变量，对应时刻目标水质参数时序变化的实测值为因变量，建立映射关系；

(6)在实际水质预测过程中，利用步骤(4)初步预测目标水质参数的时序变化，再结合气象预报数据，利用步骤(5)中建立的映射关系，修正目标水质参数的时序变化预测结果。

2.根据权利要求1所述的河道监测断面水质预测方法，其特征在于，步骤(1)中，在河道各监测断面布置自动水质监测站，监测记录历史水质数据以及气象数据。

3.根据权利要求1所述的河道监测断面水质预测方法，其特征在于，步骤(2)中，将步骤(1)构建的序列格式数据集，以DA-RNN方法进行预测模型建模。

4.根据权利要求3所述的河道监测断面水质预测方法，其特征在于，步骤(3)中，将步骤(1)构建的序列格式数据集中的近期数据，以NeuralProphet方法进行预测模型建模。

5.根据权利要求4所述的河道监测断面水质预测方法，其特征在于，步骤(4)中变化趋势与周期性预测结果相结合，其表达式为：

式中，表示对待预测水质指标未来t时间的时间序列变化预测值；表示利用DA-RNN预测的未来t时间的指标变化趋势；表示利用NeuralProphet预测的未来t时间的指标周期性变化；表示利用NeuralProphet预测的未来t时间的指标周期性变化受特殊事件的影响，表示预测误差项。

6.根据权利要求4所述的河道监测断面水质预测方法，其特征在于，步骤(5)中利用XGBoost建立映射关系，其表达式为：

式中，表示经过修正的第i个水质指标预测值，w_i,j表示x_i,j的权值，x_i,j表示影响第i个水质指标的第j个自变量，包含利用DA-RNN和NeuralProphet初步预测的水质指标预测值以及中气象预报数据。