基于动态朴素贝叶斯分类器的明渠水华风险评估模型

《基于动态朴素贝叶斯分类器的明渠水华风险评估模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于动态朴素贝叶斯分类器的明渠水华风险评估模型摘要：水华风险不仅是水利工程规划时需要考虑的环境问题，也是水利设施运营时不能忽视的监测项目。为了提高明渠水化风险等级预测的准确率，针对水华成因的不确定性和发展的时序性，基于动态朴素贝叶斯网络分类器提出一种应用于明渠的水华风险评估模型。模型用水华风险等级结点对应藻叶绿素a(Chia)的浓度，并考虑了9项影响水藻生长的因素。采用主成分分析法，处理专家咨询结果，进行参数的设计。在苏州河道北门桥2011年6月初至9月初观测的53例连续监测数据上，与基于朴素贝叶斯网络分类器的评估模型进行比较实验。混淆矩阵显示对中等

2、风险情况的预测识别率提高了15.625%,单尾配对t检验表明在显著性水平0.05时，两模型预测识别率差异显著。考虑了时序特征的基于动态贝叶斯网络分类器的评估模型对明渠中等水化风险的预测识别率提高显著。关键词：明渠；水华；动态贝叶斯网络；富营养化中图分类号：TV213文献标识码：A文章编号:基于动态朴素贝叶斯分类器的明渠水华风险评估模型摘要：水华风险不仅是水利工程规划时需要考虑的环境问题，也是水利设施运营时不能忽视的监测项目。为了提高明渠水化风险等级预测的准确率，针对水华成因的不确定性和发展的时序性，基于动态朴素贝叶斯网络分类器提出一种应用于明渠的水华

3、风险评估模型。模型用水华风险等级结点对应藻叶绿素a(Chia)的浓度，并考虑了9项影响水藻生长的因素。采用主成分分析法，处理专家咨询结果，进行参数的设计。在苏州河道北门桥2011年6月初至9月初观测的53例连续监测数据上，与基于朴素贝叶斯网络分类器的评估模型进行比较实验。混淆矩阵显示对中等风险情况的预测识别率提高了15.625%,单尾配对t检验表明在显著性水平0.05时，两模型预测识别率差异显著。考虑了时序特征的基于动态贝叶斯网络分类器的评估模型对明渠中等水化风险的预测识别率提高显著。关键词：明渠；水华；动态贝叶斯网络；富营养化中图分类号：TV213

4、文献标识码：A文章编号:1672-1683(2017)02-0089-061研宄背景南水北调中线工程正式通水以来，由于水藻超标，已经给部分沿线水厂造成了经济损失。亟待研宄明渠水藻预警技术，提前处理，降低损失。现有的相关研宄成果主要集中在海洋湖泊的水华成因分析、水华识别模型、预警模型，以及这些模型在水利工程规划运营过程中的应用4个方面。水华的成因分析开展了多年，研宄人员对影响水华的因素和它们之间的关系已经有了较为全面的认识。水华识别模型的研究通常采用图像识别方法、神经网络方法、贝叶斯方法和支持向量机方法等。这些方法适用于识别已经爆发了水华的水体。水华预

5、测方法可以分为确定性方法和不确定性方法，确定性方法较为成熟，多是利用各种水动力学模型和水质模型来进行分析，例如美国环保局研发的HYNHYD和WAsP模型、美国水利资源工程公司提出的CE-QUAL模型和美国陆军工程兵团使用的RMA4模型等。由于这些模型忽略了复杂水环境的不确定性，虽然应用简单，但描述与预测能力有限。因此，近年来研究人员开始着手研究不确定性方法，Song等基于模糊方法预测水质，刘悦忆等提出了基于蒙特卡洛模拟的水质概率预报模型，Karamouz等采用随机遗传方法分析。这些模型在处理水质影响因素的不确定性方面，提高了模型的表现能力。同时，各种

6、水华识别和预测模型的具体应用研宄也在不断进行着。本文在这些工作的基础上，考虑水质变化时序特征的不确定性，基于动态朴素贝叶斯网络分类器提出一种水华风险评估模型。朴素贝叶斯网络分类器能够通过网络结构和网络参数对不确定性知识进行描述，并进行不确定性推理实现分类。水华发生的风险因素具有不确定性，适合采用贝叶斯网络进行描述；水华发生的风险因素与水华风险之间的关系具有不确定性，可以应用贝叶斯网络分类器在各个风险因素的基础上推理出水华风险强度。动态朴素贝叶斯网络分类器是考虑了时序特征的朴素贝叶斯网络分类器，用来预测水华风险时不仅能够考虑到当前的风险因素情况，还能结

7、合到前一时段的水华风险情况。2动态贝叶斯网络模型动态贝叶斯网络(DynamicBayesianNet-works,DBN)是贝叶斯网络的时序扩展，可将不同时间片间时序依赖关系与时间片内依赖关系融为一体，并通过量化推理进行动态分析、预测。若用X[0]，X[l]，…，X[T],表示随机向量序列，X[t]={Xl[t]，…，XN[t]}，0彡t彡T，x[t]={xl[t]，…，xn[t]}，为其值向量序列。贝lj对网络结构GDB的联合概率分解情况为由于在一般的动态贝叶斯网络中，一个结点在所属时间片和时序前面的时间片中都可能有父结点，网络结构异常复杂，推理计

8、算非常困难，所以，通常在实际应用中附加一些约束条件来简化动态贝叶斯网络以下研究假设动态贝叶斯网络满足一阶Ma