1.生态敏感区输变电建设工程水环境监测与影响评估方法,其特征在于,该方法分为以下步骤:
S1、在监测断面和采样点处获取输变电建设工程纳污水体的水环境指标,包括pH值、COD、BOD5、NH3‑N和石油类,构成水环境指标时间序列:Xt={x1,t,x2,t,x3,t,x4,t,x5,t}={xl,t|l=[1,2,…,5]},其中t为采样时刻,t∈[1,2,…,T],T表示最大采样时刻,l为第l个水环境指标xl,t的编号,x1,t表示pH值,无量纲;x2,t表示化学需氧量COD,单位为毫克每升;x3,t表示五日生化需氧量BOD5,单位为毫克每升;x4,t表示氨氮含量NH3‑N,单位为毫克每升;x5,t表示石油类,单位为毫克每升;
S2、在监测断面和采样点处获取输变电建设工程纳污水体的水文指标,包括水位、水温、流速,构成水文指标时间序列:Yt={Ht,Ct,Vt},其中t为采样时刻,t∈[1,2,…,T],Ht表示水位,单位为米;Ct表示温度,单位为摄氏度;Vt表示水流速度,单位为米/秒;
S3、通过水环境指标时间序列和水文指标时间序列构建输变电建设工程纳污水体多指标向量历史时间序列:
M={Mt|t∈[1,2,…,T]}
其中Mt={X′t,Yt},X′t为Xt的子集即 X′t由水环境影响评价因子pH值、COD、BOD5、NH3‑N和石油类中的一个或多个指标构成,具体指标个数根据采集监测技术条件和生态敏感区环保监管要求综合确定;
S4、根据多指标向量历史时间序列M={Mt|t∈[1,2,…,T]}构建输入‑输出映射;设N为输入‑输出映射的输入维数且N<<T,则多指标向量历史时间序列M可以构建T‑N个输入‑输出映射:(M1,M2,…,MN)→MN+1
(M2,M3,…,MN+1)→MN+2…
(MT‑N,MT‑N+1,…,MT‑1)→MT因此,上述输入‑输出映射如下:
(Ms,Ms+1,…,Ms+N‑1)→Ms+N,s∈[1,2,…,T‑N]s表示第s个输入‑输出映射的编号,取值为[1,2,…,T‑N]之间的整数;(Ms,Ms+1,…,Ms+N‑1)表示第s个输入‑输出映射的输入,Ms+N表示第s个输入‑输出映射的预期输出;
S5、构建基于多指标向量历史时间序列的输变电建设工程水环境指标非线性映射网络预测模型,该模型输入为输入‑输出映射的输入,输出为预测时刻的多指标向量预测值;
非线性映射网络预测模型采用输入层‑隐藏层‑输出层的分层结构:在输入层中,非线性映射网络预测模型的输入为第s个输入‑输出映射的输入(Ms,Ms+1,…,Ms+N‑1);在输出层中,该模型的输出为第s+N个预测时刻的多指标向量预测值 在隐藏层中,隐藏层节点数等于输入‑输出映射的输入维数N,第n个节点记为Un,n∈[1,2,…,N];对于第n个节点,采用f,i,g和o四个神经元实现对时间序列的长期趋势和短期波动的协调记忆,对应的神经元输出为:fn=σ(wfZn+RfHn‑1+bf)in=σ(wiZn+RiHn‑1+bi)gn=δ(wgZn+RgHn‑1+bg)on=σ(woZn+RoHn‑1+bo)其中fn,in,gn和on分别为f,i,g和o四个神经元的激励输出,σ(·)和δ(·)分别为sigmoid和tanh函数,bf,bi,bg和bo分别为f,i,g和o四个神经元的偏差,wf,wi,wg和wo分别为f,i,g和o四个神经元的输入权重,Rf,Ri,Rg和Ro分别为f,i,g和o四个神经元的回归权重;根据该模型,第n个节点Un的长期记忆Cn和短期记忆Hn分别计算如下:其中Hn‑1和Cn‑1分别表征第n‑1个节点Un‑1的短期记忆和长期记忆;当n=N时,则有:这表示第N个节点UN的输出HN可以通过迭代计算获得,此时的HN就是第s+N个预测时刻的多指标向量预测值
S6、根据T‑N个输入‑输出映射对输变电建设工程水环境指标非线性映射网络预测模型进行训练,辨识该模型参数;具体如下:
S4中根据多指标向量历史时间序列M={Mt|t∈[1,2,…,T]}构建了T‑N个输入‑输出映射:
(Ms,Ms+1,…,Ms+N‑1)→Ms+N,s∈[1,2,…,T‑N]S5中根据输变电建设工程水环境指标非线性映射网络预测模型并设置该模型的输入为输入‑输出映射的输入(Ms,Ms+1,…,Ms+N‑1),该模型的输出为第s+N个预测时刻的多指标向量预测值待辨识的模型参数为W:
W={Wi,Wr,b}
Wi={wf,wi,wg,wo}
Wr={Rf,Ri,Rg,Ro}
b={bf,bi,bg,bo}
其中,Wi表示f,i,g和o四个神经元的输入权重wf,wi,wg和wo的集合;Wr表示f,i,g和o四个神经元的回归权重Rf,Ri,Rg和Ro的集合,b表示f,i,g和o四个神经元的偏差bf,bi,bg和bo的集合;
模型参数W的辨识过程如下:
首先计算该模型的训练误差Etrain:确定该模型的损失函数J(W)为:
α为调整因子,迭代计算时用于在优先优化训练误差Etrain(J(W)表达式等号右侧的第一项)和优先优化模型参数W(J(W)表达式等号右侧的第二项)中进行权衡;
然后采用下式迭代计算确定模型参数W:
β为迭代计算中的学习速率,确保W在每一次迭代计算中的变化在一个合适的范围内;
S7、根据S6最终确定的模型参数W,采用输变电建设工程水环境指标非线性映射网络预测模型预测T+1时刻的多指标向量预测值:设置该模型的输入为(MT‑N+1,MT‑N+2,…,MT),则该模型的输出为第T+1个预测时刻的多指标向量预测值S8、根据生态敏感区水环境监测阈值计算多指标向量预测值偏离度,判断输变电建设工程水环境影响及评估影响程度,具体如下:S8‑1、根据国家地表水环境质量标准和生态敏感区历史水环境指标,设置生态敏感区水环境监测阈值γ={γl|l=1,…,5},其中 为第l个水环境指标xl,t阈值上界,γl为第l个水环境指标xl,t阈值下界;
S8‑2、根据生态敏感区水环境监测阈值计算多指标向量预测值 的偏离度ε={εl|l=1,...,5},其中 为第l个水环境指标上偏离度,εl为第l个水环境指标下偏离度;和εl通过下式计算:
其中, 为多指标向量预测值 中第l个水环境指标xl,t在第T+1个预测时刻的预测值;
S8‑3、根据多指标向量预测值的偏离度ε判断输变电建设工程水环境影响及其程度:(1)若 且εl≥0,l∈(1,...,5),则输变电建设工程对水环境阈值上界产生影响,影响程度∈为:
(2)若εl<0且 则输变电建设工程对水环境阈值下界产生影响,影响程度∈为:
∈={maxεl|εl<0∩l∈[1,2,…,5]}(3)若 且εl<0,l∈(1,...,5),则输变电建设工程对水环境阈值上界和下界产生影响,影响程度∈为:
(4)若 且 则输变电建设工程对水环境不产生影响,影响程度∈为0。
2.根据权利要求1所述生态敏感区输变电建设工程水环境监测与影响评估方法,其特征在于:S5中,调整因子α取值为0.1。
3.根据权利要求1所述生态敏感区输变电建设工程水环境监测与影响评估方法,其特征在于:S5中,迭代计算中的学习速率β取值为0.001。