專利名稱：基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法
技術領域：
本發(fā)明涉及一種水華預測及因素分析方法，屬于環(huán)境工程技術領域。
背景技術：
水華是指出現(xiàn)在富營養(yǎng)化水體中，當具備適宜的光照、水溫、氣候及水文等有利于藻類生長和聚集的環(huán)境條件時，藻類爆發(fā)性繁殖聚集并達到一定濃度的一種現(xiàn)象。大規(guī)模的水華危害很大，它不僅會破壞水體生態(tài)系統(tǒng)的結構和功能，危害人類健康，而且還會降低水資源利用效能，威脅水資源的可持續(xù)開發(fā)和利用，造成巨大的經(jīng)濟損失。從總體上看，目前還缺少能在短期內(nèi)有效治理水華的技術和手段。因此在水華未得到有效治理之前，對水華的發(fā)生進行準確預測便于有關部門采取應對措施，降低危害，因此，水華防治具有重要的科學意義和應用價值。在水華的防治工作中，水華預測一直都是一個難點，這是因為水華形成的隨機過程是一個復雜的物理、化學和生物綜合反應過程，與水華形成有關的特征因素較多，相互作用關系密切，構成一個復雜的水生生態(tài)系統(tǒng)，由于生態(tài)過程內(nèi)在機制的復雜性、人類活動的影響及水質信息自動測報、接收等條件的限制，目前對水華形成機理和爆發(fā)的成因還沒有完全清楚，因而直接建立水華機理生態(tài)模型比較困難。隨著水華預測研究的深入，部分學者嘗試建立精確可靠的數(shù)學模型來對水華形成的隨機過程進行預測，取得了一定的進展。然而，現(xiàn)有的水華預測方法仍存在預測精度不高，預測步長較短的問題。此外，不同特征因素與水華形成的相關程度也不盡相同，因此水華形成的因素分析也是水華防治工作中的一項重要任務。時間序列分析是一種研究隨機過程的重要數(shù)學預測工具。傳統(tǒng)一元時間序列預測的基本假設是可利用的信息都包含在歷史數(shù)據(jù)中，歷史數(shù)據(jù)決定了未來時間序列的變化，但是這種假設過多的依賴于時間序列歷史數(shù)據(jù)，而忽略了事物之間的關聯(lián)性，也忽略了外部因素對時間序列走勢的影響。而多元時間序列的建模和預測則不僅考慮了時間序列歷史數(shù)據(jù)對未來的影響，更多的考慮到多元協(xié)方差和相關系數(shù)在建模過程中的重要作用，比一元時間序列建模和預測更具備應用潛力，是一種適于描述和預測在多種特征因素作用下水華形成隨機過程的方法。因此采用多元時序分析方法，對水華形成的特征因素多元時序建模，從而進行水華預測為一種有效途徑。然而，時序分析方法雖然可以充分挖掘數(shù)據(jù)中的隨機性信息，該方法存在預測精度的保證依賴于大樣本量的局限。若采用常規(guī)的直接預測方法進行時序模型預測，則預測精度難以保證，從而降低了水華預測結果的可信度?；疑碚撌茄芯可贁?shù)據(jù)不確定性的理論，即研究在少數(shù)據(jù)不確定性的背景下，數(shù)據(jù)的處理、現(xiàn)象的分析、模型的建立、發(fā)展趨勢的預測、事物的決策以及系統(tǒng)的控制與狀態(tài)的評估。采用灰色理論預測多元時序模型，可以在保留時序建模優(yōu)點的基礎上，很好地克服時序模型預測的局限性，提高模型的預測精度。另外，多元時序分析不僅適于建模預測，也是一種因素分析的有效工具。因此可利用多元時序分析預測結果對水華形成過程中的各種特征因素進行因素分析。應用多元時序分析及灰色理論進行水華預測及因素分析還需要解決以下問題1.由于水華的發(fā)生具有隨機性，描述水華形成過程中各特征因素的隨機性波動，不但需要考慮了同一時刻多個特征因素之間的互相關性，還要考慮各特征因素在不同時刻的自相關性。2.水華的發(fā)生與季節(jié)變化相關，因而水華的發(fā)生還具有周期性，描述水華形成過程中各特征因素的周期性波動，不僅需要考慮周期性的環(huán)境季節(jié)變化對水華形成過程的影響，還要考慮不同特征因素間多重周期性變化的交互影響。3.水華形成過程中特征因素的隨機性和周期性波動在不同特征因素間的交互影響也是需要考慮的問題。4.如何將適用于少數(shù)據(jù)預測灰色理論方法與所建的時序模型相結合，從而提高所建時序模型的預測精度，需要具體研究。5.如何基于所建的時序模型預測結果來進行水華特征因素分析。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決現(xiàn)有的水華預測結果不夠準確，水華形成過程中多種特征因素間的交互影響建模困難，以及不同特征因素與水華發(fā)生的相關性程度的判定問題，采取基于多元周期平穩(wěn)時序分析以及灰色理論的技術手段，達到通過對水華形成過程中的特征因素時序建模分析得到與實際情況更為相符的水華預測效果以及因素分析結果。

為便于說明，本說明書中所有未經(jīng)解釋的名詞及字母含義均由下述假設解釋與水華現(xiàn)象有關的特征因素分為兩種一種是影響水華發(fā)生的特征因素，例如氮、磷、pH值、溶解氧、水溫、光照度等，以下叫做影響因素；另一種是表征水華發(fā)生的特征因素，例如葉綠素濃度、藻密度等，以下叫做表征因素。以Yt表示t時刻的特征因素向量；以yit表示第i個特征因素在t時刻的量值，總采樣時間為N，t = 1，2，···，N，共有η個特征因素，i =I, 2, ...，η。本發(fā)明提供的基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法主要包括以下五個步驟步驟一、監(jiān)測數(shù)據(jù)采集及預處理；對可能影響或表征水華發(fā)生的多個特征因素進行監(jiān)測。由監(jiān)測設備采集到的多個特征因素的監(jiān)測數(shù)據(jù)隨時間變化而變化，因此為多元時間序列。通常情況下，原始特征因素監(jiān)測數(shù)據(jù)包含有異常采樣點、均值漂移以及部分采樣點數(shù)據(jù)缺失等等現(xiàn)象，難以直接對其進行時序分析。為消除這些現(xiàn)象對時序分析造成的影響，提高特征因素時序模型的擬合精度，并且統(tǒng)一原始特征因素時序的初值，應對每個特征因素原始時序分別作預處理。步驟二、特征因素篩選；水華的發(fā)生具有隨機性，并且與季節(jié)變化相關，因而水華的發(fā)生還具有周期性，因此其特征因素的多元時序在自然界中呈現(xiàn)隨機性、周期性變化，但其多個特征因素之間的變化機理是相對穩(wěn)定的，不會隨時間變化，即特征因素的多元時序的方差不隨時間而變化，因此特征因素時序應為多元周期平穩(wěn)時序。為此需要對預處理后的特征因素多元時序進行多元周期平穩(wěn)性檢驗，并根據(jù)多元周期平穩(wěn)性檢驗結果進行特征因素篩選，只有多元周期平穩(wěn)性檢驗通過的特征因素才適合采用本發(fā)明方法。本發(fā)明基于延遲交叉相關矩陣法給出多元周期平穩(wěn)性檢驗方法，可見具體實施方式
中的步驟二。本發(fā)明的特征因素篩選方法如下1、每個特征因素的一元周期平穩(wěn)性分析。由于一元周期平穩(wěn)是多元周期平穩(wěn)的必要條件，因此首先對每個特征因素的一元周期時序進行一元周期平穩(wěn)性檢驗。采用自相關函數(shù)檢驗方法。將一元周期平穩(wěn)性檢驗不通過的特征因素剔除；2、對一元周期平穩(wěn)性檢驗通過的所有表征因素，例如葉綠素濃度、藻密度等，采用本發(fā)明給出的多元周期平穩(wěn)性檢驗方法檢驗，找出能夠通過多元周期平穩(wěn)性檢驗的包含最多表征因素的組合；3、對通過多元周期平穩(wěn)性檢驗的表征因素組合，加入盡可能多的通過一元周期穩(wěn)定性檢驗的影響因素，以組成新的特征因素組合，直至新組成的特征因素組合不能通過多元周期平穩(wěn)性檢驗或包含全部影響因素為止。這樣，根據(jù)特征因素篩選結果，對符合多元周期平穩(wěn)條件的特征因素組合進行以下步驟三和步驟四。步驟三、特征因素時序建模；1、確定特征因素時序結構；水華特征因素的多元時序在自然界中呈現(xiàn)隨機性、周期性變化，但不存在趨勢性變化，因此將t時刻的特征因素向量Yt分解為周期項Ct和隨機項Rt的疊加，
權利要求
1.基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，包括以下步驟 步驟一、監(jiān)測數(shù)據(jù)采集及預處理； 所述的預處理包括去除異常采樣點、去除均值漂移以及填補采樣點缺失數(shù)據(jù)； 步驟二、根據(jù)多元周期平穩(wěn)性檢驗方法進行特征因素篩選； 步驟三、特征因素時序建模； (1)、確定特征因素時序結構； 將t時刻的特征因素向量Yt分解為周期項Ct和隨機項Rt的疊加，
2.根據(jù)權利要求1所述的基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，步驟二中所述多元周期平穩(wěn)性檢驗方法如下 記一組待檢驗的特征因素向量時序Yt，t = 1，2，···，N的協(xié)方差矩陣為 Γ0 = Ε[(Υ「Ε(Yt)) (Yt-E(Yt))T] 則為ηΧη方陣，Yt的交叉相關矩陣為 Yo = D^r0D-1 其中
3.根據(jù)權利要求1所述的基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，步驟三中特征因素的多重潛周期多元自回歸混合模型的結合方法如下 設矩陣系數(shù)多項式
4.根據(jù)權利要求1所述的基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，步驟四中采用系統(tǒng)灰色預測嵌套法對特征因素多元周期平穩(wěn)時序預測的具體步驟如下 (1)設定預測總步數(shù)H，令U= 1，2，···，H表示預測的步數(shù)； (2)設{Yut}，t= 1，2，···，N表示第u步預測時一組待預測的特征因素多元周期平穩(wěn)時序，建立多重潛周期模型
5.根據(jù)權利要求1所述的基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，步驟五中特征因素分析的具體步驟為 (1)計算特征因素組合中的表征因素預測誤差，將表征因素組合作為已分析組合； (2)從特征因素組合中任意選取一個未分析過的影響因素加入到已分析組合中，再對已分析組合中的表征因素計算預測誤差，若與加入前相比誤差顯著變小，則說明該影響因素與表征因素相關性高，將其保留在已分析組合；否則說明該影響因素與表征因素相關性低，將其從已分析組合中剔除；其顯著性判斷標準為 加入該影響因素后預測誤差減小量 > 加入該影響因素前預測誤差的1% 若特征因素組合中含有多個表征因素，則以多個表征因素預測誤差之和來進行顯著性判斷； (3)重復上述步驟(2)，直至特征因素組合中所有影響因素均被分析過一遍，則已分析組合中所保留的影響因素即為與表征因素或與水華發(fā)生關聯(lián)密切的影響因素，將已分析組合中的影響因素按其加入對表征因素預測誤差改變的大小排序，定性地得到各影響因素與表征因素的相關程度。
全文摘要
本發(fā)明公開了一種基于多元周期平穩(wěn)時序分析及灰色理論的水華預測及因素分析方法，屬于環(huán)境工程技術領域。所述方法包括進行監(jiān)測數(shù)據(jù)采集及預處理；特征因素篩選；特征因素時序建模；特征因素時序預測和特征因素分析的步驟。本發(fā)明解決了多元時序的多元周期平穩(wěn)性檢驗問題；給出了水華特征因素的篩選方法，為水華特征因素多元時序的合理建模提供了必要的條件，也為水華特征因素的因素分析提供了基礎。本發(fā)明對多特征因素的水華形成過程描述更加全面，從而提高了水華預測結果的準確度、可信度。根據(jù)本發(fā)明方法給出的水華預測結果與實測數(shù)據(jù)的誤差，可以得到各影響因素與水華發(fā)生現(xiàn)象聯(lián)系的密切程度。
文檔編號G06F19/00GK103049669SQ20131000485
公開日2013年4月17日 申請日期2013年1月7日 優(yōu)先權日2013年1月7日
發(fā)明者王立, 劉載文 申請人:北京工商大學