基于改进型Markov的高原湖泊水质预测算法研究.docxVIP

基于改进型Markov的高原湖泊水质预测算法研究 　　摘要：预测水质变化趋势能及时准确发现水质恶化的原因，对指导工农业生产及水质治理有较大意义。但是目前对高原湖泊水质预测算法的研究还很匮乏，为了解决高原湖泊水质预测问题，在有限的水质数据资源的情况下，首先对数据进行预处理，然后再对水质进行Markov算法预测。理论分析和仿真结果验证洱海水质不同化学因子的预测精度达到%以上，相对传统的Markov预测算法在预测精度上有了很大提高。　　关键词：水质预测；高原湖泊；Markov算法；MATLAB　　DOIDOI：/　　中图分类号：TP312　　文献标识码：A文章编号文章编号：　　Abstract：The prediction of the water quality change trend can accurately find the cause of water deterioration， and has great significance for guiding industrial and agricultural production and water quality management. At present， the study of plateau lakes water quality forecasting algorithm is deficient. To solve this problem， this paper prepares and analyzes limited data in advance. Then we apply Markov forecast to the Erhai plateau lake water quality. Finally，theory analyses and simulation results illustrate that prediction accuracy of different chemical factor is more than %， which is improved significantly compared with traditional Markov forecast.　　Key Words：water quality prediction； plateau lakes； Markov forecast； MATLAB　　0引言　　随着社会和经济的发展，对水资源的保护与合理利用已经受到了极大的关注。河道水质状态直接影响到了沿岸居民的饮用水质量。水是生命之源，也是生态的基础和生产的关键。河道水资源污染已经成了我国经济和社会发展面临的主要难题。　　水质变化趋势预测是维护与管理当前水质的重要依据，通过预测可以了解当地水域环境质量演变趋势，从而及时发现水质恶化原因并制定相应的治理措施。随着环境科学研究的进一步深入，水质预测模型的方式也层出不穷，主要包括灰度、人工神经网络、决策树和Markov预测模型等，但其算法的预测结果并不是那么理想。文献[1]中作者采用决策树的算法针对在线监测站得到的未经处理的水质数据进行水质预测，但其预测精度只有80%。文献[2]中选用灰度系统和神经网络相结合的模型算法来预测地表水质，虽然相对单独的灰度或者神经网络的算法预测精度有所提高，但最后的水质预测精度并不高。文献[3]中设计了一种基于ANN算法和GIS技术的水质预测软件，对青岛产芝水库水质进行了预测，但是误差率仍高达10%。文献[4]中采用未确知综合评价方法与Markov算法结合的水质预测模型，对安徽淝河水质状态预测结果精度非常高。文献[5]中利用灰度模型对淡水湖泊鄱阳湖水质进行预测，预测模型最大方差比也只达到 4%。文献[6]采用ANN与Markov结合的水质预测模型对吐露港的水质发展趋势预测效果较好，但还存在一定误差。文献[7]中采用学习矢量化网络水质预测模型分别对三个省份的某一河流监测点水质进行预?y，但文中并没有关于高原湖泊水质预测的相关描述。　　虽然之前有些论文的水质预测算法精度相对很高，但是并未应用到高原湖泊上，只是对特定河流或者地表水质，而且大多并未对水质数据进行预处理。因此本文首先对得到的XX-XX年洱海高原湖泊监测点湖心3的左下层和左上层数据进行平均处理即为水质数据。共有XX-XX年的175条数据，选择XX-XX年的数据作为训练数据来预测XX年12个月份的数据。　　1改进型Markov水质预测模型　　算法实现过程　　能够表征水质变化的因子很多，比如说洱海流域气候概况、洱海入湖水量、水化学因子、水生生物指标、透水体明度等[13]。本文采用有代表性的溶解氧、总氮、总磷三种水化学因子作为表征洱海水质的变化趋势。