水質多參數綜合預警模糊數學評判算法及優化

劉明珠， 白家磊， 李 雙， 韓殿鵬， 彭 媛， 韓 鐵， 高志賢

(軍事科學院軍事醫學研究院環境醫學與作業醫學研究所，天津市環境與食品安全與風險

水質預測預警作為水質監管體系中的重要一環，其對于防治水資源大面積污染、污染源精準溯源以及快速響應應急預案等具有重要指導作用，同時對于保護水環境安全、維持水資源生態平衡方面具有重要意義。然而現階段，水質預警可選方法、參數較多，計算邏輯復雜、數據量極大。目前水質預測、預警和報警功能多通過模糊綜合評判法實現，但是該方法計算復雜、步驟較多，函數設計缺乏針對性。本研究為實現針對性水質綜合預警評判，對水質綜合預警模糊數學評判法的函數進行了設計及優化：

對于某一個時間段內第i類傳感器所采集的P個水質監測參數數據記為列向量，i=1，2…，N，N為傳感器的類別總數，對于在該時間段內所有類別傳感器采集的所有水質監測參數數據，表示為采集數據陣矩陣α：α=〔α1,α2…,αN〕，計算采集數據陣矩陣α的互相關矩陣R，即得到：R=αTα，其中，互相關矩陣R的第i行、第j列的元素rij=αiαjT，列向量αj表示第j類傳感器所采集的P個水質監測參數數據；采用主成分分析方法對在該時間段內所有類別傳感器采集的所有水質監測參數數據進行降維處理，提取其主成分分量，該過程具體為：

對互相關矩陣R進行特征分解，得到N個特征向量和特征值，根據特征值大小對特征向量進行篩選，篩選出大于某閾值的M個特征向量所構成的特征矩陣E記為：E=〔v1,v2,…,vM〕， 其中，vk表示第k個特征向量，k=1,2,…,M，特征向量均為列向量；利用特征矩陣E對采集數據陣矩陣α進行重構，得到采集數據陣矩陣的主成分分量b為：b=ETα， 利用權重矩陣ω對主成分分量b進行加權處理，得到水質監測參數綜合評價值ρ：ρ=ωb， 根據水質超標最高閾值和最低閾值，對水質監測參數綜合評價值ρ進行判斷，當ρ大于水質超標最高閾值或小于水質超標最低閾值時，判定該時間段內所采集的水質監測參數數據報警。根據相關國家標準數據，以錯誤報警次數最小為目標，定期對權重矩陣ω、水質超標最高閾值和最低閾值進行優化更新。

本研究涉及的函數模型可將定性評價轉化為定量評價，考慮了水質參數在綜合預警評價中的權重，針對地表水水質監測指標定制加權處理并進行了優化。相對于傳統的模糊綜合評價法，該方法步驟較少，計算簡單，具有進一步拓展應用潛力。