【技術實現步驟摘要】
本專利技術涉及一種水體環境監測技術，具體是監測水體內浮游藻類生物量規模，以及基于生物量規模變化趨勢實施的預警。屬于水體浮游藻類生物量規模特征測量、水體水華趨勢特征測量、水環境監測。
技術介紹
1、水體浮游藻類生物量規模測量，尤其是生物量規模變化趨勢的監視測量，是水體水華爆發監控的核心內容，亦是水體環境管理的重要任務之一。當水華爆發苗頭出現，預測水華的變化趨勢，也即水體中浮游藻類的增長趨勢成為水體監測的重要項目。當前饋管理思想融入環境危機應對管理機制，對水華發生的科學預測成為水體管理中同樣重要的任務。
2、現階段，水體浮游藻類增長監測預警系統的關鍵問題是構建環境因素與藻類含量共同表達的藻類生物量規模預測模型。采用生長死亡動態視角建立藻類生長模型，以及采用隨水浮游視角建立藻類運動模型，以數學模型對水體中浮游藻類活動進行數學模擬，通過生物種群動態的數學化過程反映水體浮游藻類規模變化，從而預測水華發生或者變化趨勢，是水華監測研究的生態數學模型類方法。生態數學模型建立后，根據營養鹽、營養吸收以及其它限制因子即可計算得到的藻類生長死亡速度，以及隨水移動速度，即可測量得到水體內當前藻類生物量規模(或稱濃度)。
3、現有技術zl2022107809933公開一種基于水域營養狀態預測的水華智能預警系統。系統包括多尺度信息采集模塊、營養狀態識別模塊、水華預警模塊與數字可視化模塊；具體執行：采集目標水域的多尺度水體信息，根據多尺度水體信息預測目標水域水體的營養物質濃度，根據營養物質濃度確定目標水域的水體營養狀態，根據水體營養狀
技術實現思路
1、本專利技術的目的就是針對現有技術的不足，提供一種水體浮游藻類生物量規模監測預警系統。
2、本專利技術首先提供一種水體浮游藻類生物量規模監測預警系統，其技術方案如下。
3、一種水體浮游藻類生物量規模監測預警系統，其特征在于：包括樣本采集模塊100、水質類型識別模塊200、初始模型匹配模塊300、目標模型率定模塊400、藻類生物量規模預測模塊500；
4、所述樣本采集模塊100獲取監測水體水質監測數據rd、氣象數據、水文數據組成監測樣本ms，樣本ms1用于生成預測目標模型，樣本ms2用于浮游藻類生物量預測；
5、所述水質類型識別模塊200讀取模塊100的樣本ms1，識別監測水體水質類型并添加水質模型標簽，富含有機物的水質類型添加水質標簽e；
6、所述初始模型匹配模塊300根據水質模型標簽匹配g預測初始模型；若讀取到水質標簽e，匹配g預測初始模型ⅰ，所述g預測初始模型ⅰ如式1表達，
7、g＝a×gmax×g(t)×g(i)×g(cod)×g(q)????式1
8、式中，g－浮游藻類生物量生長率、無量綱，g(t)－水溫函數，g(i)－日照函數，g(cod)－codcr函數，g(q)－水動力函數
9、
10、
11、式中，t－水溫、單位℃，i－日照時數、單位h，q－水動力變量、單位依所選變量確定，cod－codcr化學需氧量、單位mg/l；均為模型自變量；
12、a－過度生長系數、無量綱，gmax－浮游藻類最大生長率、無量綱，topi－最佳水溫、單位℃，iopi－最佳日照時數、單位h，kcod－半飽和codcr濃度、單位mg/l，kq－水動力變量影響系數、無量綱，q0－水動力變量臨界值、單位依所選變量確定；均為模型參數；
13、所述目標模型率定模塊400讀取模塊100的樣本ms1與模塊300的g預測初始模型，將數據rd輸入g預測初始模型，通過參數率定確定模型參數的最優解集，生成對應的g預測目標模型；
14、所述藻類規模預測模塊500讀取樣本ms2，利用g預測目標模型測算浮游藻類生物量在預測i日的生長率gi。
15、上述水體浮游藻類生物量規模監測預警系統通過樣本采集模塊100采集監測水體及環境監測樣本ms，經水質類型識別模塊200識別水質類型后，在初始模型匹配模塊300中匹配相應的g預測初始模型，在目標模型率定模塊400中利用樣本ms1進行g預測初始模型的參數率定，獲得模型參數的最優解集，從而生成用于藻類生物量預測的g預測目標模型。在藻類規模預測模塊500中，將樣本ms2(一般為預測期第i日實時監測數據)輸入g預測目標模型，即可測量得到浮游藻類生物量在i日的生長率gi。測量結果生長率gi是監測水體預測期第i日浮游藻類生物量規模的百分比值，具體含義是，監測水體中浮游藻類生物量規模將以gi值生長擴大。
16、本專利技術上述水體浮游藻類生物量規模監測預警系統的關鍵構思主要有三方面。
17、第一，將富含有機物的水質類型作為首要的預測模型匹配因素。模塊200一旦識別出富含有機物的水質類型，添加水質標簽e，模塊300便加以讀取，并開始匹配g預測初始模型。本專利技術前期研究發現，盡管多種水質類型都與水華發生相關，但有機物含量高的水質與水華大爆發關聯更緊密。最大生長率gmax在表征的是常規水體環境中藻類繁殖能力。在此類水體環境中，由于各類生物與非生物環境因子處于動態平衡的綜合健康狀態，藻類繁殖能力主要受到水中以氮磷為代表的礦物質營養因子限制，因此gmax實質性含義是以營養因子為條件的最大生長率。然而，當水體處于富含有機物狀態，水體中各類環境因子突破綜合動態平衡狀態，藻類繁殖制約因子失效，富含有機物水體為藻類生長提供了比健康水環境更有利的生態位空間，藻類實際處于比gmax最快速的過度生長狀態。因此，本專利技術將識別富含有機物水質類型放在比識別其它水質類型更上位的概念中，使預測方法能夠對最緊急的情況做出最快速的反饋。對于富含有機物水質類型的判識，可以以codcr濃度≥30mg/l為判識閾值。通過模塊200與模塊300的配合，能夠對富含有機物水體形成“一級警戒”，及時觸發藻類生物量生長率的測量計算。
18、第二，合理構建各類本文檔來自技高網...
【技術保護點】
1.水體浮游藻類生物量規模監測預警系統，其特征在于：包括樣本采集模塊100、水質類型識別模塊200、初始模型匹配模塊300、目標模型率定模塊400、藻類生物量規模預測模塊500；
2.根據權利要求1所述水體浮游藻類生物量規模監測預警系統，其特征在于：
3.根據權利要求2所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述初始模型匹配模塊300的讀取單元310讀取模塊200添加的水質標簽，若讀取到水質標簽E，從模型匹配單元320中調取G預測初始模型Ⅰ送入匹配輸出單元330，并向所述模塊400發送讀取匹配輸出單元330指令；若未讀取到水質標簽E，繼續讀取其它水質標簽，再在模型匹配單元320中調取與標簽匹配的G預測初始模型Ⅱ/Ⅲ/Ⅳ送入匹配輸出單元330，并向所述模塊400發送讀取匹配輸出單元330指令。
4.根據權利要求3所述水體浮游藻類生物量規模監測預警系統，其特征在于：還包括水華信息處理模塊600，所述水華信息處理模塊600根據Gi與預置水華判識條件G評估水華發生/變化趨勢，若水華判識條件G成立，發出水華爆發預報信息；所述水華判識條件G依式
5.根據權利要求4所述水體浮游藻類生物量規模監測預警系統，其特征在于：若所述水華判識條件G不成立，所述目標模型率定模塊400讀取模塊100的監測樣本MS與模塊300的G預測初始模型，將G預測初始模型與D預測模型組合，構建如式13表達的ca預測初始模型，將數據RD輸入ca預測初始模型，通過參數率定確定模型參數的最優解集，生成對應的ca預測目標模型；所述D預測模型如式14表達；
6.根據權利要求5所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述目標模型率定模塊400的讀取單元410讀取模塊100的監測樣本MS、模塊300的G預測初始模型、D模型存儲單元420中的D預測模型，模型組合單元430讀取單元420中G預測初始模型與D預測模型構建ca預測初始模型，模型率定單元440將監測樣本MS輸入ca預測初始模型，通過參數率定確定模型參數的最優解集，生成對應的ca預測目標模型送入目標模型單元450。
7.根據權利要求6所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述水華信息處理模塊600中水華判識條件CA依式15表達，
8.根據權利要求1～7任一所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述水動力變量q是表征監測水體流速或流量或壓力的變量，或者表征匯入監測水體的地表徑流流速或流量或壓力的變量。
9.根據權利要求1～7任一所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述富含有機物水質類型以CODCr濃度≥30mg/L為閾值。
10.水體浮游藻類生物量規模監測預警方法，利用權利要求1～7任一所述水體浮游藻類生物量規模監測預警系統實現，其特征在于：
...【技術特征摘要】
1.水體浮游藻類生物量規模監測預警系統，其特征在于：包括樣本采集模塊100、水質類型識別模塊200、初始模型匹配模塊300、目標模型率定模塊400、藻類生物量規模預測模塊500；
2.根據權利要求1所述水體浮游藻類生物量規模監測預警系統，其特征在于：
3.根據權利要求2所述水體浮游藻類生物量規模監測預警系統，其特征在于：所述初始模型匹配模塊300的讀取單元310讀取模塊200添加的水質標簽，若讀取到水質標簽e，從模型匹配單元320中調取g預測初始模型ⅰ送入匹配輸出單元330，并向所述模塊400發送讀取匹配輸出單元330指令；若未讀取到水質標簽e，繼續讀取其它水質標簽，再在模型匹配單元320中調取與標簽匹配的g預測初始模型ⅱ/ⅲ/ⅳ送入匹配輸出單元330，并向所述模塊400發送讀取匹配輸出單元330指令。
4.根據權利要求3所述水體浮游藻類生物量規模監測預警系統，其特征在于：還包括水華信息處理模塊600，所述水華信息處理模塊600根據gi與預置水華判識條件g評估水華發生/變化趨勢，若水華判識條件g成立，發出水華爆發預報信息；所述水華判識條件g依式12表達；
5.根據權利要求4所述水體浮游藻類生物量規模監測預警系統，其特征在于：若所述水華判識條件g不成立，所述目標模型率定模塊400讀取模塊100的監測樣本ms與模塊300的g預測初始模型，將g預測初始模型與d預測模型組合...
【專利技術屬性】
技術研發人員：任治瑋，陳繹之，陳俊敏，楊舒寒，荊澤霖，汪雨柔，
申請(專利權)人：西南交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。