基于信息化的地表水水质预测

【摘 要】水利信息化技术指在水质信息管理、水质分析评价、水质预测和抗洪救灾等方面提供了多重应用需求；本文针对目前主流的计算机技术，对地表水常见水质预测方法进行分析与探索。

【关键词】信息技术；水质预测；系统

1.引言

随着经济的不断发展，水污染与水资源短缺日趋严重，已成为我国经济社会可持续发展的重要制约因素[1]。

水质评价主要目的是了解水质现状，是水质等级评定和水功能区划的前提，同时也是水质预测的基础[2]。水质预测模型是对排入水体中污染物在时间和空间上迁移转化规律的数学描述，其中涉及到许多物理、化学和生物过程。目前，无论是在制订地区或流域水污染物排放标准或确定水体各排污口的容许排污量和削减率，还是对突发性或连续性排污行为进行评价或对开发建设工程项目的环境影响进行预断，甚至水资源的规划、管理和控制过程中都涉及到水质现状评价和时空的变化问题，也即需要解决水质的定量评价、模拟和预测问题，由此水质评价、模拟和预测已经成为环境科学领域的重要课题。

2.常见水利信息化技术

2.1 地理信息系统技术应用

在水利行业GIS技术其主要体现在地理位置确定、地理信息展示、行业信息展示、信息统计分析及功能集成等方面。主要应用介绍如下：

（1）基础地理信息管理。信息管理方面水利行业与其他许多领域一样，首先要求得到基础地理信息，如：地形、地貌、河流、水系、行政区、交通等信息。

（2）水库、堤防、蓄滞洪区、水闸、测站等水利工程信息，和雨情、水情、灾情等水情信息及水利管理信息。将这些信息在GIS平台中分类、分图层、分区域展示。GIS技术的分析功能十分强大，在水利工作中发挥了重要作用，如降雨分布信息、水资源量统计、洪水淹没面积计算、受灾面积和人口财产统计等。

（3）系统集成功能。GIS作为地理信息管理基础平台，系统集成功能是其重要的基本功能之一。常用的GIS集成主要有相关功能模块和相关专业模型的集成。集成功能模块包括：信息服务、数据库、图形库、防汛会商、防汛值班及部分办公自动化等功能模块；集成专业模型包括：气象预报、水文预报、水动力学计算、水库调度等模型。

（4）空间三维GIS技术应用。GIS技术的发展和应用历经了从二维平面GIS平台到三维空间立体GIS平台的过程，随着三维空间GIS技术的日益成熟，三维空间GIS技术的应用更加广泛。

2.2 数据库技术应用

数据库（DB）技术是信息技术发展和应用的核心内容之一，是水利信息化建设的基础，几乎所有的水利信息系统建设都离不开数据库技术的应用。数据库技术的应用主要包括数据存贮和管理。目前，已经完成了国家级水情数据库建设，实现了对国家重点关心的降雨信息、水情监测信息和历史水情信息进行查询与管理，流域和省级水情数据库建设正在紧锣密鼓的进行中。

2.3 网络技术应用

信息化水平的主要标志之一是网络技术的运用水平，水利信息化建设亦是如此，网络技术为气象、水情、工情、旱情、水质、生态、灾情等信息，以及水利管理信息的传输、共享、分析、管理和发布提供了强力的技术支撑。

2.4 遥感技术应用

随着遥感技术（RS）的发展，影像识别精度的提高、数据处理能力的增强、影像获取成本的降低，遥感技术在水利信息化建设中的作用日趋重要。遥感技术的应用主要是通过接收或购置遥感影像数据，确定洪、旱灾害的位置、识别洪水淹没情况和受灾情况、分析旱灾影响范围和受灾面积、评估可能受到的灾情影响，以及根据遥感影像分析河流水质变化和水土保持状况，为防汛指挥、救灾活动、环境保护、生态建设提供信息支持。

2.5 虚拟现实技术应用

虚拟现实技术（VR）是利用计算机技术生成逼真的三维虚拟环境。现在虚拟现实技术在水利信息化建设中的应用日渐广泛。（1）构建防洪工程的三维虚拟模型，如大坝、堤防、水闸等三维虚拟模型，实现了防洪工程三维空间示景；（2）洪水流动和淹没的三维动态模拟，实现了三维空间场景中的洪水演进动画过程，三维场景中洪水淹没情况的虚拟展示；（3）防洪工程规划中枢纽布置三维虚拟模型，包括大坝、泄洪洞、发电厂、变电站等，为工程规划提供直观三维视觉效果场景；（4）云层和降雨效果渲染三维虚拟模型，模拟云层流动、降雨过程等动态效果等。

2.6 卫星定位系统技术应用

卫星定位系统（GPS）应用是随着GIS、Web和RS等信息技术的应用而发展起来的。在水利信息化建设中GPS对河流、工程等有关信息的定位与管理发挥了重要作用。

3.水质预测方法

水质预测的目的是为了掌握水质随时间和空间的变化规律，为决策部门提供技术支持。当污染负荷进入水体，水体水质将发生什么样的变化，这无疑是水污染治理必须考虑的问题，因此水质预测是突发性水污染事件预警决策的基础。在实际工作中，常采用模拟的方法来研究水质变化规律。

3.1 常用水质预测方法

3.2 时间序列法

时间序列指水质指标中的某一指标监测值，按其出现时间的先后次序，且间隔时间相同而排列的一列数值，即水质监测历史矩阵。基本原理是：在考虑了水质变化中随机因素的影响和干扰基础上，从水质变化的延续性出发，将水质指标变化的历史时间序列数据作为随机变量序列，运用统计分析中加权平均等方法推测水质未来的变化趋势，做出定量预测。一般来说，时间序列受趋势变化因素、季节变化因素、周期因素和不规则因素等四种因素影响[5-6]。

3.3 回归分析法

回归分析法是一种因果分析和相关分析的预测方法。在水质预测研究中，做回归分析时首先分析问题，确定研究的预测对象——因变量，找出其影响因素——自变量，根据自变量的个数分别采用一元或多元回归模型，分析因变量和自变量之间的关系，并根据其关系的表现形式用适当的数学方式表达建立回归模型，一般采用最小二乘法估计参数，得到经验回归方程，得到方程后还要根据问题的实际情况进行模型的检验，最后才能实际应用。

3.4 灰色预测方法

灰色模型（Grey Mode）简称GM模型，是灰色系统理论的基本模型，通过建立该模型体系就能实现灰色方法的系统分析、评估、预测和控制等功能[11]。灰色理论在水质模拟和预测方面的运用主要有以下两种方法：一种方法是把水质确定性模型中的全部或部分变量或参数处理为灰色变量获得灰色解（用灰域表示），如果采用优化技术，还可依据实测数据对水质模型中的参数进行灰色识别。另一种方法是在实测的时序数据基础上，根据灰色系统建模原理，建立水质的灰色模拟模型来进行水质预测。

3.5 人工神经网络方法

基于神经科学研究成果基础上发展出来的人工神经网络模型，反映了人脑功能的若干基本特性，开拓了神经网络用于计算机的新途径。模型通过简单的非线性函数的多次复合，可以克服线性和非线性拟合中的基函数选择与系数求解的困难，并可进行高维的非线性的精确映射，具有较强的自适应能力，为建立水环境数学模型提供了新的研究手段。

3.6 预测方法比较和选择

时间序列方法是将水质指标变化的时间序列数据作为随机变量序列，根据时间序列数据变化的特点，利用数学方法来推测未来水质的变化趋势。由于时间序列法采用某种数学方法来推测，因此其具有较为完善的数学理论基础，但由于时间序列方法只考虑预测水质指标本身的时间变化规律，虽然这种变化规律中包含了一定的周围因素对其的影响，但由于水域的水质预测是个十分复杂的问题，影响预测水质参数的因素非常多，而且这些因素也是在不断变化的，因此单纯从预测指标本身的变化来预测未来的变化情况是远远不够的，得到的结果准确性差。

回归分析法是应用较广泛的一种预测方法.但其要求大样本，只有通过大量的数据才能得到量化的规律.这给很多无法得到或一时缺乏数据的实际问题的解决带来困难，而且回归分析受统计数据的影响很大，要求样本具有较好的分布，个别统计值的不准确都会影响到预测稳定性，容错能力较弱。另外回归分析不能分析因素间的动态的关联程度，只是一种静态的分析.对于样本的高要求使得回归分析方法的使用具有一定的局限性。灰色理论进行水质预测时，预测时间愈靠近现实时段其精度愈高，随着预测时间的增长，灰平面的增大导致预测结果失真，影响模型的预测精度，因此灰色预测方法具有随着时间的延长预测精度降低的缺点。人工神经网络模型摈弃了任何人为因素，只根据水质标准本身的特点进行学习，从而产生连接权值和闭值矩阵，这是与传统水质预测方法的根本区别。当将测试样本输入模型后，网络将自动地调用权值与阂值，进行回想或联想，从而得到测试样本的输出结果（预测结果）。就此而言，其输出结果与其他需人为确定权值矩阵的评价方法的输出结果相比具有更真实的客观性。

因为ANN模型可以递归式的“从数据中学习”，即具有记忆功能，可以大大节省建模时间，非常适用于复杂多变、非线性水质演变系统，所以该网络也非常适合于动态的、不确定的长江等水环境系统。

参考文献：

[1]毛学文,邹丽鹏,程西方,彭辉.全国水质信息管理与分析评价系统[J].重庆环境科学,2010.

[2]金明.一维稳态河流水质的随机微分方程模型[J].水利学报,1991,(2):19-25.

[3]Tabios G Q.Nonlinear stochastic modeling of river dissolved 2 oxygen[D].Colorado State University,1984.

[4]武君.河流水质模拟预测的常用方法研究与新方法探索[D].合肥工业大学硕士学位论文,2005:7-9.

[5]张蕾.城市地下水水质水位预警的研究[D].天津大学博士学位论,2006:56-57.

[6]树锦.人工神经网络模型在黄河水质预测中的应用[D].河海大学硕士学位论文,2006:7-10.

作者简介：

邹劲松（1975—），男，重庆人，讲师，主要研究方向：水利信息化技术。

徐伟刚（1962—），男，重庆人，副教授，主要研究方向：水利信息化技术。