(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211260462.8 (22)申请日 2022.10.14 (71)申请人 重庆环投生态 环境监测网络与工程 治理有限公司 地址 401120 重庆市渝北区龙溪街道冉家 坝旗山路252号 (72)发明人 陈文茂　谢欣哲　甄欣　游波　 (74)专利代理 机构 重庆智慧之源知识产权代理 事务所(普通 合伙) 50234 专利代理师 余洪 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 基于连续地表水水质自动站监测数据的水 质预测方法 (57)摘要 本发明提供了一种基于一维简化水质模型， 预测水质突变， 利用水质监测站的监测数据计算 全年真实降解系数及污染物迁移速度， 分析降解 系数与河流污染物迁徙速度关系， 搭建回归模 型， 并采用关联性测试计算和均方误差计算获得 最优的降解系数、 迁移速度， 并将其带入一维模 型公式， 并计算时间滑动形成最终预测数据， 输 出预测结果图。 权利要求书2页 说明书8页 附图3页 CN 115526297 A 2022.12.27 CN 115526297 A 1.一种基于连续 地表水水质自动站监测数据的水质预测方法， 其特 征在于， 包括： S1、 梳理干流中水站的上下游关系， 将所述干流中水站分为上游站点和下游站点， 并采 集上游站点监测数据和下游 站点监测数据生成第一数据集； S2、 根据所述第一数据集计算降解系数； S3、 根据所述第一数据集计算迁移速度； S4、 将所述降解系数和所述迁移速度建立线性回归 模型， 并扩充所述第一数据集； S5、 将所述第一数据集进行标准化处理， 对所述第一数据集进行线性插值扩充为至少 连续1小时数据， 生成第二数据集； S6、 在第二数据集中选择指定时间窗口内作为第三数据集， 将所述第三数据集内的上 游站点监测数据带入一维模型公式计算生成第一预测 值， 同时计算时间滑动， 得到预测数 据集； S7、 对所述预测数据集中每个所述第一预测值和所述下游站点监测数据进行关联性测 试计算和均方误差计算， 得到关联系 数和均方误差结果， 并且根据所述关联系数和均方误 差结果选取拟合程度靠前 的关联系 数， 以及对应所述关联系 数的均方误差和降解系 数、 迁 移系数序号； S8、 根据靠前的关联系数对应的预测结果及所述下游站点监测数据提取峰值， 并进行 残差计算， 选择残差最小的作为 最优预测结果， 记录对应的对应的降解系数、 迁移系数； S9、 利用选取的最优降解系数、 迁移系数与所述第三数据集的上游站点监测值数据带 入一维模型公式， 并计算时间滑动形成最终预测数据， 输出 预测结果图。 2.如权利要求1所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述 根据所述第一数据集计算降解系数， 包括： 所述降解系数的计算公式为： 其中， 式中的K为污染因子降解系数， 单位为1/d； Cn为上游站点峰值浓度， 单位为mg/L； cm为下游站点 峰值浓度， 单位为mg/L； tm为上游站点峰值时间， 单位为d， t0为下游站点 峰值 时间。 3.如权利要求2所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述 根据所述第一数据集计算迁移速度， 包括： 其中， 式中的V为污染物迁移速度， 单位为km/d， X为上游站点至下游站点的距离， 单位 为km。 4.如权利要求1所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述将所述降解系数和所述迁移速度建立线性回归模型， 并扩充 所述第一数据集， 包 括： 以迁移速度为自变量， 降解系数为因变量， 将所述迁移速度和所述降解系数建立线性权　利　要　求　书 1/2 页 2 CN 115526297 A 2回归模型， 并提取置信区间， 在降解系数的区间内均匀插入至少100个降解系数个数作为降 解系数范围， 将所述降解系 数范围带入所述线性回归模型得到对应的迁移速度， 利用所述 置信区间将插 入的降解系数和所述对应的迁移速度扩充至所述第一数据集。 5.如权利要求1所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述将所述第一数据集进行 标准化处理， 包括： 提取所述上游站点监测数据和所述下游站点监测数据中固定时间段、 同一污染物种类 的数据， 并对所述数据清除遗失值， 异常者， 离群值， 并以时间单位对所述数据排序。 6.如权利要求1所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述关联性测试计算， 包括： 所述关联性测试计算采用的公式： 其中， 所述Xi为真实值， Xmean为Xi的均值， 所述yi为预测值， ymean为yi的均值， r为关联系 数。 7.如权利要求1所述的基于连续地表水水质自动站监测数据的水质预测方法， 其特征 在于， 所述均方误差计算， 包括： 所述均方误差计算采用的公式： 其中， 所述 n为被测样本的总数， 所述MSE为均方误差。 8.如权利要求1 ‑7任一项所述的基于连续地表水水质自动站监测数据的水质预测方 法， 其特征在于， 所述水质预测方法还 包括： 使用所述第二预测值作为下游站点的真实监测数据， 重 复S1‑S9， 得到再一下游站点的 水质预测数据。权　利　要　求　书 2/2 页 3 CN 115526297 A 3