摘要
本发明涉及水环境风险监测技术领域,尤其涉及一种评估水体发生藻类水华风险的方法。所述方法包括以下步骤:收集待评估水体的历史监测数据,包括蓝藻丰度数据、水质数据和水文数据;分析蓝藻丰度或叶绿素a浓度与待评估水体的水质、水文数据的相关性;筛选出与蓝藻丰度或叶绿素a浓度相关性最高的水文、水质参数;取待评估水体的水文、水质参数为预测变量,蓝藻丰度或叶绿素a浓度为响应变量以构建贝叶斯网络模型;计算贝叶斯网络模型中各个参数的权重,并根据上述权重计算给定参数条件下蓝藻丰度超过特定阈值的水华风险概率。本发明通过双分支贝叶斯网络模型实现稳定期与动态期的分情景概率推演,以提高藻类水华风险评估的精准度与时效性。
技术关键词
评估水体
风险网络模型
网络结构数据
监测标签
结构方程模型
索引
贝叶斯网络模型
变量
因子权重
动态
蒙特卡洛
路径结构
环境风险监测技术
样本
水文
核心
系统为您推荐了相关专利信息
智能监测方法
序列
历史监测数据
环境监测标签
智能监测系统
样本
增广拉格朗日
结构方程模型
阶段
高斯混合模型
结构方程模型
网络构建方法
增广拉格朗日
编码器框架
解码器