灰色系统在地下水污染预警系统中应用.docVIP

灰色系统在地下水污染预警系统中应用 　　摘要 为了合理利用和开采地下水,控制地下水污染。本研究在对GM(m,n)数列预测原理和应用条件,以及对焦作市区历年地下水监测数据和焦作市某地区地下水普查数据系统分析的基础上,开发出了地下水污染因子预测的应用模块――Modeling DLL,作为ArcView基础GIS平台下的“焦作市地下水污染预警系统”的预测模块。在使用中对焦作市地下水污染状况进行了实际预测,结果表明在该市地下水污染预测方面采用GM(1,1)预测方法是切实可行的。 　　关键词 灰色系统;地下水污染; 预测;动态链接库 　　中图分类号 X523 文献标识码 A 文章编号 1674-6708(2010)12-0046-03 　　 　　0 引言 　　 　　地下水系统作为自然环境的组成部分,其水质特征是系统本体与系统环境综合作用的结果。在水质预测过程中,往往只掌握地下水的水质特征值,却很难搞清系统内部的发展演化过程以及外部诸因素对系统的作用。即系统的输出信息明确,而结构信息和关系信息不明确。所以,地下水系统属于灰色系统把灰色模型用于地下水水质预测,无疑能够体现地下水系统的灰色特征。 　　灰色系统按照预测问题的特征,可分为5种基本类型,即数列预测、灾变预测、季节灾变预测、拓扑预测和系统综合预测。这5种类型的预测方法,都是地理学中重要而且常用的预测方法。GM(1,1)模型是常用的一种灰色模型,用于单个时间序列的动态预测。就是对某一指标的发展变化情况所作的预测,其预测的结果是该指标在未来各个时刻的具体数值。 　　 　　1 灰色模型建模与方法 　　 　　1.1 原理与建模 　　灰色模型以微分方程为描述形式,它所揭示的是事物发展的连续过程,它符合地下水质量的渐变规律。模型的建立过程即是对地下水系统的辨识过程,运用确知的水质数据去揭示系统的动态特征,但由于其它信息的不明确,因而这个过程是灰色的逆运算过程。地下水水质预测模型就是基于最基本的灰色GM(n,h)模型[3]建立起来的。其中h表示变量的个数,n表示微分方程的阶次,n越大则模型所描述的内涵可能越丰富,但阶次过高的系统其特征方程的求解困难,而且精度不一定高,其结果也不是解析的,所以我们通常建立n=1的GM模型。 　　由于地下水系统的结构信息和关系信息不明确,因此建模时只需要考证水质特征值的动态变化规律,即变量唯一,h=1,那么所需建立的模型就是GM(1,1)模型,其一般表示形式如下所示: 　　1)微分方程: 　　2)时间响应: 　　3)离散响应: 　　式中:a为模型系数;u为待辨识参数。 　　GM(1,1)模型的建模和预测: 　　1)数据处理。将原始数据列X(0)(i)作一次累加,得到生成数据列X(1)(k), 　　2)构成数据矩阵B与数据列Yn: 　　因为a(1)(Xk(1),i)= Xk(0)(i),则有: 　　 a(1)(X1(1),2)= X1(0)(2) 　　 a(1)(X1(1),3)= X1(0)(3) 　　 …… . 　　 a(1)(X1(1),n)= X1(0)(n)。所以Yn=[ X1(0)(2),……, X1(0)(n)]T 　　式中:n为监测数据个数。 　　3)计算模型系数a和待辨识参数u, 　　[a,u]T=(BTB)-1BTYn 　　4)建立时间响应模型: 　　 　　5)将时间响应离散化: 　　 　　6)将K值代入离散化模型公式,计算出 　　7)将预测累加值 X(1) (k) k∈{n+1,n+2,…}还原为预测值X(0)(k) k∈{n+1,n+2,…}。 　　 X(0)(k)= X(1) (k)―X(1) (k-1) 　　1.2 精度检测 　　1)平均精度检验 　　将计算出的与实测值X(0)(k)对照,算出逐对残差: 　　q(k)= X(0)(k)―X(1)(k) 　　然后计算出平均相对误差 　　 　　如果平均精度符合实际要求,即可进行预测。 　　2)后验差检验 　　为了判断预测值的可靠性,采用后验差进行检验,计算出实测标准差(S1)和残参标准差(S2)。 　　式中: 　　计算后验差比值C,及小误差概率P。 　　C=S2/S1; 　　P=P{|q(k)―q’|0.674S1} 　　然后就可以根据数据表进行预测精度检验了,本系统因为运用于实际, 　　所以就只用了前一种检测方法,根据所给数据,结果完全符合要求。 　　2 模型实现与运用 　　本研究是实现“地下水污染预警系统”之预测模块,拟采用与整个系统其他开发人员分工合作,相互配合的软件开发方式。以Visual C++ 6.0 Windows应用程序开发工具作为开发平台,利用动态链接库技术,实现GM(1,