基于MSLSTM-DA模型的水质自动监测异常数据报警

提出一种基于多元堆叠长短时记忆网络-差值分析(MSLSTM-DA)模型对地表水质异常数据进行报警的方法.该方法首先建立MSLSTM模型对水质指标数据进行预测,再基于预测结果的残差分布建立DA模型,并确定各个指标的数据异常阈值,当实测数据与预测数据差值大于阈值时进行数据报警.以长江流域监测断面的水质数据进行了方法有效性验证.结果表明,构建的预测模型对５个指标的MAE、MAPE均值比BP神经网络预测模型降低21.0%,17.8%,比LSTM模型降低16.8%,17.9%.皮尔逊系数均值比BP神经网络、LSTM模型的分别高5.9%,4.4%.5个指标共检出水质异常数据37条,其中34条经人工判断确实存在有异常,报警准确率高达91.9%.     

永定河(山峡段)补水成效分析

为改善永定河(山峡段)常年断流、河床沙化，水生态环境破坏严重等问题，门头沟区政府从2019年起开始对永定河(山峡段)进行生态补水，用来改善、修复、恢复生态系统节后功能和自我调节能力，促进绿色可持续发展，目前已初见成效。为进一步量化补水成效，以便政府部门决策，以生态补水数据、地面气象监测数据、环境数据为基础，综合运用卫星遥感监测数据，通过对2019～2021年间北京市门头沟区永定河(山峡段)补水后的生态变化情况进行分析，结果表明，永定河(山峡段)主河道河面面积约增加了一倍，主要河段河水水质明显改善；主河道周边1km范围植被覆盖率增长了6倍，植被生态质量增长了近4成，地表热环境指数均呈下降趋势，沿河周边村落热岛效应明显改善。本研究量化给出相关政府部门多年来永定河治理的成效，为相关政府行政部门研究和制定永定河生态修复工程等提供科学支持，为永定河后续污染防治提供理论基础。