一种基于时间序列的水质预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115759355A(43)申请公布日2023.03.07(21)申请号202211334404.5G01N33/18(2006.01)(22)申请日2022.10.28(71)申请人江苏省无锡环境监测中心地址214121江苏省无锡市滨湖区周新东路123号申请人无锡中科水质环境技术有限公司(72)发明人张虎军许燕娟庄严王伟刘勇东梅江岚曹兰徐艺草姜杰杨莹莹(74)专利代理机构无锡华源专利商标事务所(普通合伙)32228专利代理师过顾佳(51)Int.Cl.G06Q10/04(2023.01)G06N20/10(2019.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于时间序列的水质预测方法(57)摘要本申请公开了一种基于时间序列的水质预测方法，涉及水质监测领域，该方法以历史采样时刻的污染参数构建污染参数时间序列，结合EMD分解和LMD分解得到不同的分量序列，并利用基于LSSVM模型训练得到的预测模型分别得到各个分量序列的预测结果，继而可以得到下一个采样时刻的污染参数预测值，从而实现水质预测，可以在水污染发生之前实现事前的预测和预防，且采用LSSVM模型可以降低计算复杂度，加快求解速度，并具有较高的预测精度。CN115759355ACN115759355A权利要求书1/2页1.一种基于时间序列的水质预测方法，其特征在于，所述方法包括：获取水体的污染参数时间序列，所述污染参数时间序列包括所述水体在当前时刻及其之前的历史时段内每个采样时刻处的污染参数；对所述污染参数时间序列进行EMD分解得到若干个分量序列，并利用EMD分解的每个分量序列对应的预测模型分别得到预测结果，将EMD分解得到的各个分量序列的预测结果进行叠加得到第一污染参数预测值，EMD分解得到的分量序列包括若干个IMF分量和一个残差项rn；对所述污染参数时间序列进行LMD分解得到若干个分量序列，并利用LMD分解的每个分量序列对应的预测模型分别得到预测结果，将LMD分解得到的各个分量序列的预测结果进行叠加得到第二污染参数预测值，LMD分解得到的分量序列包括若干个PF分量和一个残差项uk；根据所述第一污染参数预测值和所述第二污染参数预测值得到水体在下一时刻的污染参数预测值；其中，EMD分解得到的各个分量序列对应的预测模型以及LMD分解得到的各个分量序列对应的预测模型均基于LSSVM模型训练得到。2.根据权利要求1所述的方法，其特征在于，所述获取水体的污染参数时间序列，包括获取水体在每个采样时刻处的总氮含量以及总磷含量，将总氮含量和总磷含量求和得到的氮磷总量作为所述水体在所述采样时刻处的污染参数；则得到的所述水体在下一时刻的污染参数预测值包括所述水体在下一时刻的氮磷总量预测值。3.根据权利要求2所述的方法，其特征在于，得到水体在下一时刻的污染参数预测值的方法包括：基于所述水体的污染参数时间序列确定氮占比ηN和磷占比ηP，氮占比ηN表示所述水体在历史时段内的总氮含量在氮磷总量中的占比，磷占比ηP表示所述水体在历史时段内的总磷含量在氮磷总量中的占比且有ηN+ηP＝1；在得到所述水体在下一时刻的氮磷总量预测值TNP后，确定所述水体在下一时刻的总氮含量预测值为TNP*ηN以及总磷含量预测值为TNP*ηP。4.根据权利要求3所述的方法，其特征在于，基于所述水体的污染参数时间序列确定氮占比ηN和磷占比ηP的方法包括：利用所述水体在当前时刻采样到的总氮含量和总磷含量计算得到氮占比ηN和磷占比ηP。5.根据权利要求3所述的方法，其特征在于，基于所述水体的污染参数时间序列确定氮占比ηN和磷占比ηP的方法包括：分别利用所述水体在每个采样时刻采样到的总氮含量和总磷含量计算得到每个采样时刻的氮参考占比，计算各个采样时刻的氮参考占比的平均值作为氮占比ηN，并得到磷占比ηP＝1‑ηN；或者，分别利用所述水体在每个采样时刻采样到的总氮含量和总磷含量计算得到每个采样时刻的磷参考占比，计算各个采样时刻的磷参考占比的平均值作为磷占比ηP，并得到氮占比ηN＝1‑ηP。6.根据权利要求1所述的方法，其特征在于，所述方法还包括利用虚假邻点法确定每个2CN115759355A权利要求书2/2页分量序列对应的预测模型的嵌入维数m，则获取到的水体的污染参数时间序列包括当前时刻及其之前的历史时段内共m个采样时刻处的污染参数。7.根据权利要求6所述的方法，其特征在于，利用虚假邻点法确定嵌入维数m的方法包括：以m＝1为起始值，根据任意参数i对应的轨线在嵌入维数m+1下的点Ym+1(i)及其最近邻近点Ym+1(n(i,m))之间的距离，确定参数i对应的轨线在嵌入维数m下的点Ym(i)的最近邻近点Ym(n(i,m))是否为虚假最近邻点；当轨线上不同参数i对应的虚