三峡库区水生态环境在线监测数据智能分析与应用研究

发布时间：2020-06-04 06:18

【摘要】：三峡工程是迄今世界上最大的水利水电枢纽工程,现已从工程建设期转入运行管理期。为了三峡工程后续工作的全面开展,有必要建立三峡库区水生态环境在线监测系统,为库区水生态环境的可持续发展提供信息感知、辅助决策、应急预警等服务。随着信息技术的迅猛发展,人类已经进入了大数据时代,高效准确的大数据处理能力已经成为许多信息系统需要解决的重要问题。主成分分析是一种掌握事物主要矛盾的统计分析方法,它可以从多元事物中解析出主要影响因素,简化复杂问题的求解,进而揭示事物的本质。如何将主成分分析方法与其它智能分析技术相结合,从海量数据中快速获得有价值的知识,已经成为数据挖掘研究领域的一个热点。目前,在三峡库区水生态环境在线监测系统的建设中,面临一些数据分析处理的问题,具体体现在以下几个方面:对水生态在线监测的多变量时间序列数据预测精度不高;缺乏多粒度层面的水质变化分析方法;缺乏在不完备信息数据条件下的水质评价方法;缺乏对水质监测指标与水质状态之间关联性进行准确分析的方法,等等。本文结合三峡库区水生态环境在线监测系统的研制任务,围绕上述四个问题,基于主成分分析(PCA)思想进行了以下数据智能分析与应用方面的研究:(1)提出了一种基于卡尔曼滤波和时间序列分析的融合云模型。针对目前三峡库区水生态环境监测的多变量时间序列数据在分析过程中变量关系难以清晰衡量、预测精度有待提高等问题,结合卡尔曼滤波、时间序列分析模型,以及云模型,提出了一种基于卡尔曼滤波和时间序列分析的融合云模型,提高了水质时间序列数据的预测分析能力,为三峡库区水生态状况的预测分析提供了有力的工具,实验结果表明了该模型的有效性。(2)提出了一种基于模糊时间序列和PCA的多粒度分析模型。针对目前三峡库区水生态环境监测的时间序列数据中的随机性、模糊性等不确定性问题,基于模糊时间序列、PCA和粒计算,构建了由属性层、主成分层、整体评价层组成的多粒度预测分析模型,在每一层实现模糊时间序列和上一层变量的联合计算,通过多粒度层次的选择及其联合计算,该模型能够降低模糊时间序列的噪声影响,提高其预测精度和鲁棒性,从而实现高效智能地分析各个层次的水质变化。通过对香港西北部深水湾水域平原河GR2监测站和三峡库区相关水域监测的数据进行的对比实验,表明了该模型的有效性和适用性。(3)提出了一种融合邻域粗糙集和PCA的水质评价模型。针对目前水质监测和信息管理中指标种类较多、数据缺失现象经常发生、水质评价分析准确度有待提高等问题,结合粗糙集和PCA各自在水质评价上的优点,提出了一种基于邻域粗糙集、PCA和D-S证据理论的水质评价模型。该模型既能够在不完备信息数据情况下合理地进行水质等级评价,又能够进行水质优劣的定量分析,满足了对水生态环境进行不同粒度水质评价分析的需求。通过对UCI数据集和三峡库区相关水域监测的数据进行的对比实验,表明该模型能实现不完备信息条件下的水质评价分析,能有效减少数据分析的计算量,并具有良好的分类精度。(4)提出了分析一个因素与一个事物和分析不同事物之间关联性的方法。复杂系统中,事物之间往往存在各种内在关联,而且其关联规律隐含较深,分析外部因素与事物的关联性是关联分析研究的重要问题。基于主成分分析思想,提出了分析一个因素与一个事物的关联性以及分析不同事物之间关联性的方法,从而为探索大数据中事物之间的关联性提供了参考。对UCI数据集和三峡库区相关水域监测的数据进行的对比实验,表明了该方法的有效性,并从中发现了相关区域水质的季度变化规律以及水质监测指标与富营养化之间的关联性。
【图文】：

常规监测和实时监测的结合不仅可以提高水生态环境监测信息的准确性和完整逡逑性，还可以降低监测站点建设所投入的费用。逡逑如图１－１所示，水生态环境在线监测系统（Ｏｎｌｉｎｅ邋Ｗａｔｅｒ邋Ｅｃｏｌｏｇｉｃａｌ逡逑Ｅｎｖｉｒｏｎｍｅｎｔ邋Ｍｏｎｉｔｏｒｉｎｇ邋Ｓｙｓｔｅｍ，ＯＷＥＥＭＳ）由基础的三大子系统组成，即数据逡逑采集系统、数据传输系统和数据管理系统，再辅以数据冗灾、数据容错、安全运逡逑行等保障系统。数据懫集系统由分布在水域监测站点的各种传感器设备组成，，由逡逑它们负责实时采集水环境的数据并完成对采集数据的初步处理、显示和存储后，逡逑通过数据传输系统将数据发送到具有固定ＥＰ地址或者预先设定域名的数据管理逡逑７逡逑

候条件、水生生态系统和污染特性，对容易引起富营养化所需的总磷、总氮、一逡逑些营养盐等主要因素在水库中的分布状况和变化特征进行分析，并建立富营养化逡逑的不同等级评价模型，如图１－４所示。逡逑三岐水生态奸堍邋买时在线Ｊ６sュ迥穑薄贶″逋环⑹掳殄逑呒萍癹ⅲ族逯训褶芄膊蒎澹友蠹把飨撸保哟体义希叔遒忮澹族

本文编号：2696003