广东柯内特环境科技有限公司 广东佛山 528000
摘要：水是生命之源，是人类必须依赖一种资源，保护好水就等同于保护人类自己。但是，当前的水质污染越来越严重，尤其是现代城市。河涌属于现代城市的一大排污途径，其污染情况更为严重，所以分析、预测污染情况，并提出有效的处理方案意义深远。但是考虑到河涌水环境十分复杂且广泛存在不确定性因素，通过单一化模型一般只能预测其中的一定因素。唯有组合多种模型方法，方能较为准确预测水质情况。基于此，本文主要探讨了在预测河涌水质中的组合法应用，仅供参考。
关键词：水质预测；组合法；推广应用
随着经济的增长、国民生活品质的提升，天然水体的污染越来越重。其中存在诸多种污染物，其浓度直接影响水体质量。所以，预测水体污染物浓度、研究水质变化，有着非常大的作用。但是，河涌水质存在较多随机影响因素，单一化模型存在一定的预测误差，整体精度十分有限。所以，本文提出了一种组合法预测模型，以降低预测误差、提高预测精度。
一、在预测河涌水质中应用组合法的必要性
现阶段，在水质预测领域，存在一些预测方法模型，但是在适用条件、主要建模机理上却不尽一样，并且具有程度各异的局限性。加之河涌的污染因素众多，水中污染物具有更加复杂多变的迁移、转化现象。所以，单一化的预测模型局限性十分明显，难以描述这种水体的复杂过程。一般而言，会组合一些方法来基于类型各异的模型，形成一个综合化的预测模型，以达到预测水质的目的。
在RBF神经网络模型中，径向基是一种神经元隐含基，并且构成了隐含空间，在隐含层能够自由改变所输向量，完成从低维度转向高维度的过程，进而解决更加复杂的问题。这种径向基网络函数具有很明显的输入输出优势，并且迫使径向基函数被十分广泛地应用在预测等领域。而微分方程模型属于一种很重要的数学建模方法，可以通过数学语言描述很多实际问题，并且转换成微分方程求解问题。其中需要按实际要求来明确需要研究的量（未知函数、自变量、必要参数等），再建立出模型系统，然后，找出以上这些量蕴含着的基本规律。最后，再基于这些变化规律，逐一列出方程模型、求出定解条件，这种方法可以用于分析很复杂的问题。所以，本文考虑到RBF神经网络、SP这两种模型的优势，并以此为基础创建起一个组合模型，然后用于预测某河涌水质，总的预测误差更小，具有较高的预测精度。
二、建立水质模型
当稳定排污时，创建起以下SP模型：
其中，L—水体具有的BOD浓度，单位：mg／L；x—流动河水的距离，单位：km；u—河段平均水流速，单位：km／d；K—降解污染物的系数值；K2—水的复氧系数；Os—溶解氧的饱和浓度，单位：mg／L。
基于径向基形成的网络模型：
其中，W1j—水体隐含层神经元的第j个高斯中心；w—模型输出层对应的权向量；ρ—方差；L0—初始BOD浓度；O0—初始DO浓度。
通过（1）式得出的BOD预测结果计为Lsp，预测DO的结果计为Osp。通过（2）式得出的BOD预测结果计为Lrbf，预测DO结果的计为Orbf。然后，加权组合式（1）、（2）得出的预测结果，并且形成预测所需组合方程：
.png)
式中：a—RBF、SP两模型的BOD权系数，β—RBF、SP两模型的DO权系数。
三、实践应用模型
如表1所示为某市的河涌河段水质检测信息数据情况，整个河段总长9.4千米，水流平均速度μ=32千米／日。
表1 检测得到的BOD、DO数据信息 单位：mg／L
基于表1前16行信息数据，展开（2）式训练，再依次通过式（1-3），来拟合表1后面5行信息数据。若a=0.45，β=0.05，令溶解氧饱和浓度Os为9mg／L，K1、K为1.5、1.8，则得以下预测结果：
图2 预测的BOD曲线图
（注意图中第2与第3条线很接近）
四、模型误差
以Li，Oi来记第i次检测得出的BOD、DO结果，以Lsp，i，Osp，i来记第i次预测的SP 模型BOD、DO结果，以Lrbf，i，Orbf，i来记第i次预测的RBF模型BOD、DO结果，以Lzh，i，Ozh，i来记第i次组合模型预测BOD、DO的结果，而预测误差被定义为
.png)
其中，z—预测方法：RBF预测模型、SP预测模型、二者组合预测模型；L，O—取L，O各自的平均值。通过模拟表l第17～21行的结果可得误差：RBF误差为Erbf=0.373；SP误差为Esp=0.255；二者组合误差为Ezh=0.217。所以：Ezh<Ep<Erbf，也就是组合法具有最高的预测精度。
五、结语
综上所述，在现代社会，国家十分重视环境保护事业。为了改善国内水体质量，更有效地防治水污染问题，就应注重预测水质情况，大力完善水质预测监管体系，并以此来改善水质环境。单一预测法并不适合预测河涌水质情况，而组合预测法则可平衡单一法引起的偏差，所以更加适合河涌流域。通过应用组合法，能够较好的确保高预测精度，具有更理想的综合预测效果。
参考文献：
[1]康铎，许继平，赵峙尧，王小艺，刘松波.基于Adaboost算法的水质组合预测方法研究[J].计算机测量与控制，2018，26（08）：41-45.
[2]周志青，邹国防，王磊，王磊.基于ARIMA/RBF-NN的时间序列水质预测模型研究[J].科技通报，2017，33（09）：236-240.
[3]吴磊，刘俊稚，孙静亚.基于Matlab的灰色-BP组合模型对海水水质的预测[J].中国水运（下半月），2016，16（11）：102-104.
[4]徐梅，晏福，刘振忠，李高华，渠佩云.灰色GM（1，1）-小波变换-GARCH组合模型预测松花江流域水质[J].农业工程学报，2016，32（10）：137-142.