基于混沌理论水质预测方法探究.docVIP

基于混沌理论水质预测方法探究摘要：基于混沌理论，利用关联积分法计算嵌入参数，重构水质指标时间序列相空间，采用Ｌｙａｐｕｎｏｖ指数判断水质指标时间序列的混沌特性，使用加权动态局域预测模型来预测水质。对洛河流域２００８—２０１０年各月的水质指标溶解氧进行预测，并与实测值进行了比较，从相对误差来看，具有较高的精度。 关键词：水质预测；混沌理论；相空间重构 中图分类号：Ｘ８３２ 文献标识码：Ａ 文章编号：0439－８114（２０12）17－3726-03 Water Quality Prediction Method Based on Chaos Theory ＺＨＵ Ｇｕａｎｇ－ｌｉ，ＱＩＮ Ｙｕ－ｆａｎｇ （The First Ｅｎｇｉｎｅｅｒｉｎｇ Ｂｕｒｅａｕ ｏｆ Ｈｅｎａｎ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｎｃｙ， Ｚｈｅｎｇｚｈｏｕ ４５００００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｅｍｂｅｄｄｉｎｇ ｐａｒａｍｅｔｅｒ ｗａｓ ｃａｌｃｕｌａｔｅｄ ｂｙ ｃｏｒｒｅｌａｔｉｏｎ ｉｎｔｅｇｒａｌ ｍｅｔｈｏｄ； ａｎｄ ｔｈｅ ｐｈａｓｅ ｓｐａｃｅ ｏｆ ｔｉｍｅ ｓｅｒｉｅｓ ｗａｓ ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｂａｓｅｄ ｏｎ ｃｈａｏｓ ｔｈｅｏｒｙ． Ｔｈｅ ｃｈａｏｓ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｔｈｅ ｗａｔｅｒ ｑｕａｌｉｔｙ ｉｎｄｅｘｅｄ ｔｉｍｅ ｓｅｒｉｅｓ ｗａｓ ｒｅｃｏｇｎｉｚｅｄ ｂｙ Ｌｙａｐｕｎｏｖ ｅｘｐｏｎｅｎｔ． Ａｎｄ ｔｈｅ ｗａｔｅｒ ｑｕａｌｉｔｙ ｗａｓ ｐｒｅｄｉｃｔｅｄ ｕｓｉｎｇ ｗｅｉｇｈｔ－ｄｙｎａｍｉｃ ｌｏｃａｌ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ． Ｔｈｅ ｄｉｓｓｏｌｖｅｄ ｏｘｙｇｅｎ ｉｎ ｗａｔｅｒ ｏｆ Ｌｕｏｈｅ ｒｉｖｅｒ ｂａｓｉｎ ｉｎ ２００８—２０１０ ｗａｓ ｐｒｅｄｉｃｔｅｄ ａｎｄ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｒｅｃｏｒｄｅｄ ｖａｌｕｅ． Ｆｏｒｍ ｔｈｅ ａｓｐｅｃｔ ｏｆ ｒｅｌａｔｉｖｅ ｅｒｒｏｒ， ｔｈｅ ｍｏｄｅｌ ｗａｓ ｗｉｔｈ ｈｉｇｈ ａｃｃｕｒａｃｙ． Ｋｅｙ ｗｏｒｄｓ：ｃｈａｏｓ； ｐｈａｓｅ ｓｐａｃｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ； ｗａｔｅｒ ｑｕａｌｉｔｙ ｐｒｅｄｉｃｔｉｏｎ 在管理工作中，决策和计划占有很重要的地位，正确的决策和计划取决于对事物的科学预测。水质预测主要依据社会经济发展程度对水资源造成的污染负荷以及产生的水环境问题，通过预测未来污染物产量，来估计和推测水环境质量，以便针对性地采取对策、防止污染、改善水质、保护水生态。水质预测是水资源保护决策的依据，也是制定流域水资源保护规划、水污染防治综合规划和区域经济发展的基础［１］。河流水质的影响因素不仅有物理、化学、气象、水力学、生物学以及人类活动，也与水文过程密切相关。河流水质在时间和空间上影响变量有很多，是一个开放的、非线性复杂的巨系统。目前常用的水质预测方法有模型模拟预测法、时间序列预测法、人工神经网络模型预测法、灰色系统预测法等，近年来混沌理论及其在水环境科学领域的应用为水质预测提供了新的途径和方法。 １ 混沌理论简述 混沌学源于中国古代，兴于当代。１９６３年美国气象学家Ｌｏｒｅｎｚ发现了著名的“蝴蝶效应”。研究表明一些完全确定的非线性动力系统，甚至可用确定性方程描述的简单系统，在一定条件下仍可表现出非常复杂的、看似无规则的类随机运动［２］。 一般认为自然界存在确定性和随机性两种系统。对确定性系统，可由确定性微分方程描述其运动，结果可预测；对随机系统，理论上可采用概率统计预测其运动轨迹，但由于庞大的系统参量，很难对其进行准确预测。恰恰混沌理论可描述第三种情况，即在确定性系统中类似随机的不规则运动，既有少数变量控制的非线性系统，也可产生一类看似随机的输出。混沌理论为自然系统演化规律的确定论和概率论架起了桥梁。混沌理论已形成混沌动力学、混沌工程学、混沌管理学等重要分支学科，应用于自然科学和社会科学在内的众多科学领域。 ２ 河流水质系统的混沌特性分析 水利部门水质监测指标主要有ｐＨ、总硬度、溶解氧（ＤＯ）、化学需氧量（ＣOD）、五日生化需氧量（ＢＯＤ５）、氨氮（ＮＨ３－Ｎ）等。 ２．１ 相空间重构 混沌时间序列预测的重要基础是相空间重构。任何系统的状态可分解为多个分量，系统的任一分量的演化是由与之相互作用的其他分量所确定，而相关分量的信息隐含在任一分量的发展过程中。分析其中一个分量，并将在某些固定的时间延迟点上的观测值作为新维度来处理，就可以重构等价的相空间，恢复原有动力学系统。当维数达到一定量时，重构的相空间与原有动力系统有相似的几何特性与信息特性。对给定水质指标