[发明专利]基于复杂网络的城市湖库藻类水华混沌时间序列预测方法

摘要

本发明公开了一种基于复杂网络的城市湖库藻类水华混沌时间序列预测方法，属于环境工程技术领域。本发明对湖库水华生成过程进行混沌特性检验，并给出基于混沌时间序列的水华预测方法，目的是解决现有的水华预测大多对单一因素预测及预测精度不高等问题，针对具有混沌特性的水华生成过程特征因素时序，采用复杂网络方法构造水华生成过程的统计特征G参数，通过混沌时间序列的预测方法对G参数时间序列进行预测，从而实现多因素的水华生成过程预测，提高预测精度，为环保部门提供有效的参考依据，对湖库水环境的保护和改善起到重要的防治作用。

主权项

基于复杂网络的城市湖库藻类水华混沌时间序列预测方法，其特征在于：包括以下步骤，步骤一、城市湖库藻类水华生成过程混沌特性检验；采用叶绿素浓度作为水华表征因素对水华生成过程进行混沌特性检验；对给定的时间序列{x(t),t＝1,2,…N}，延迟时间为τ，嵌入维数为m，设m＜N，将时间序列中的N个数据拓延成N‑(m‑1)τ个m维相空间的矢量：X(t)＝(x(t),x(t+τ),…x(t+(m‑1)τ)),t＝1,…,M,M＝N‑(m‑1)τ其中，X(t)为重构后的相空间矢量，x(t)为不同时刻监测的叶绿素浓度值，t为时间序列的采样时间，N为采样个数；采用最大Lyapunov指数法判断藻类水华特征因素时间序列是否为混沌时间序列，当指数Lyapunov<0，表明水华生成过程这一复杂动力系统的相体积在对应维度方向上是收缩的、稳定的；反之，如果某方向上Lyapunov>0则表明水华生成过程演化呈现混沌特性；步骤二、基于复杂网络的藻类水华生成识别模型的构建；(1)构建水华形成过程的有向网络模型；将复杂的湖库水体系统抽象成一个复杂网络，将影响藻类水华生成的主要影响因素抽象成网络节点，构成网络点集V，V＝{v1,v2,...,vn}，vi用来表示第i个网络节点，网络节点总数为n；将各主要影响因素间的关系抽象成网络的边，构成边集E，E＝{e1,e2,...,em}，ei用来表示第i条边，总边数为m，并且边集E中所有的边都有点集V中两个节点与之相对应；这种由湖库水体系统主要影响因素及其相互关系抽象成的点集V和边集E组成的网络拓扑图构成了有向网络模型CN＝(V,E)，用于表示湖库水体藻类水华形成特性；(2)计算复杂网络特征参数；所述复杂网络特征参数包括平均路径长度L、节点介数Bi、聚类系数C和最短距离dimin，其中i表示节点编号；(3)构建水华生成过程复杂网络统计特征G参数；步骤三、G参数时间序列混沌特性检验；对G参数的时间序列{g(t),t＝1,2,…N}进行相空间重构，找到最优延迟时间τ与嵌入维数m，其中m＜N，则可将时间序列中的N个数据拓延成N‑(m‑1)τ个m维相空间的矢量,G(t)＝(g(t),g(t+τ),…g(t+(m‑1)τ)),t＝1,…,M,M＝N‑(m‑1)τ其中，G(t)为G参数时间序列重构后的相空间矢量，g(t)为不同时刻获取的G参数时间序列值；然后计算最大Lyapunov指数，并检验G参数时间序列的混沌特性；若G参数时间序列是混沌的，则采用常用的混沌时间序列的局域预测方法对G参数时间序列进行预测；步骤四、基于混沌时间序列的G参数时间序列预测；采用的加权一阶局域法进行G参数时间序列预测。