【技术实现步骤摘要】
本专利技术涉及农村生活污水和环境模拟预测领域，具体涉及一种农村生活污水排放量的预测方法、系统、电子设备及存储介质。
技术介绍
1、农村有居住分散、地势差异大的特点，农村污水排放总量大，排放点位分散。随着农村人民生活水平的不断提高，农村生活污水对农村环境及受纳水体影响引起了越来越多的关注。
2、农村生活污水的排放主要与人口、生产和自然环境等多方面因素有关，但目前对于农村地区生活污水污水排放情况及污水排放机理的研究较少。要解决农村污水治理问题，就需要充分认识农村污水排放情况与治理之间的关系，制定科学合理的治理措施，根据不同地区的具体情况，采取因地制宜的方法，全面推进农村污水治理工作，促进农村地区的可持续发展。因此,确定关键量化因素，以关键因素作为输入特征，对不同地域的农村生活污水排放量进行预测，是面向不同地区提出针对性的设计规划的有效方法。
3、近年来国内外学者在农村生活污水和环境模拟预测
的应用也进行了一定的研究，可这些方法存在不同程度的局限，如指标体系不完整等问题。同时，常规的基于预测模型需要进行特征工程、模型评估、算法选择和超参数优化等工作。这些过程确实对于缺乏专业知识的研究人员而言，会增加他们的学习和研究时间成本。
4、因此现有技术中的农村生活污水排放量预测方法无法在操作简单的同时兼顾科学的预测结果。
技术实现思路
1、本专利技术提供了一种基于结构方程模型以及偏最小二乘法的农村生活污水排放量的预测方法、系统、电子设备及存储介质，用以解决
2、本专利技术解决其技术问题所采用的技术方案为：
3、农村生活污水排放量的预测方法，包括：
4、步骤s1，建立基础指标体系，基于指标体系收集各种特征数据；
5、步骤s2，对农村生活污水排放量数据进行预处理，得到预处理后的农村生活污水排放量数据；
6、步骤s3，建立结构方程模型，确定影响农村生活污水排放量的关键特征指标；
7、步骤s4，基于关键特征指标，建立基于偏最小二乘法的预测模型，利用步骤s1～3得到的关键特征指标和农村生活污水排放量数据进行训练；
8、步骤s5，采用s4训练好的预测模型进行测试，并对模型预测性能进行评估。
9、作为上述技术方案的改进，所述步骤s1中，按以下方法建立基础指标体系：
10、基于文献调研及专家意见，综合考虑指标的可用性，选取县级层面数据，以老幼比例、城镇化率、人均户规模、平均受教育年限、年生产总值作为社会活动水平；以住房内有管道自来水户数占比、住房内有厨房户数占比、住房内有厕所户数占比、住房内有洗澡设施户数占比为基础设施建设水平；以年平均温度、年降水量、温差、蒸发量为气候环境条件；以坡度、海拔、经度以及纬度作为地理要素；
11、以上指标作为结构方程模型输入，模型输出为污水排放量数据。
12、作为上述技术方案的改进，所述步骤s1中为收集各种特征数据：
13、在第二次全国污染源普查《生活污染源产排污系数手册》的农村生活污染源中查得农村生活污水排放量的市级数据；在中国第七次人口普查中查得老幼比例、城镇化率、人均户规模、平均受教育年限、住房内有管道自来水户数、住房内有厨房户数、住房内有厕所户数、住房内有洗澡设施户数；年生产总值，农村人均可支配收入由《中国县域统计年鉴》查得；年平均温度、年降水量、温差、蒸发量由中国气象局官网获取；坡度、海拔由aster全球数字高程v003模型查得，经度以及纬度天地图获取。
14、作为上述技术方案的改进，所述步骤s2中，按以下方法对农村生活污水排放量数据进行预处理，数据来源为第二次全国污染源普查《生活污染源产排污系数手册》的农村生活污水排放量市级数据：
15、步骤s21，由于农村生活污水排放量市级数据无法满足农村生活污水因地制宜的发展需求，利用相关性研究发现农村生活污水排放量数据与农村人均可支配收入数据呈现线性关系，通过农村生活污水排放量市级数据、农村人均可支配收入市级数据与农村人均可支配收入县级数据，进行农村生活污水排放量降尺度处理，将农村生活污水排放量市级数据转化为农村生活污水排放量县级数据，因此降尺度公式为：
16、
17、式中，其中crdsd反映了农村人均生活污水排放量县级数据，而lrdsd反映了农村人均生活污水排放量市级数据，lpcdi代表人均可支配收入市级数据，rpcdi代表人均可支配收入县级数据；
18、步骤s22，删除数据中含有缺失值。
19、作为上述技术方案的改进，所述步骤s3中，按以下方法建立结构方程模型：
20、步骤s31：导入数据：将所有指标测定数据以电子表格形式进行保存和整理，列标题为指标名称；
21、步骤s32：潜变量的设定：基于步骤1，设置社会活动水平信息、基础设施建设水平信息、气候环境条件信息与地理要素信息为潜变量，相关指标为潜变量对应观测变量；
22、步骤s33：路径构建：将相关观测变量、潜变量与因变量进行路径构建，建立结构方程模型观察路径系数进行显著性检验，得到影响农村生活污水排放量的关键特征指标。
23、作为上述技术方案的改进，所述步骤s4中，按以下方法建立偏最小二乘法的预测模型，包括：
24、步骤s41：将所述步骤s3得到的关键特征指标的数据建立新的数据集；
25、将所述步骤s3得到的关键特征指标的数据作为因变量，将农村生活污水排放量作为自变量，建立新的数据集；
26、步骤s42：对数据进行标准化处理计算数据集的均值和标准差，然后将数据按照公式(真实值–均值)/标准差进行标准化，消除不同特征之间的量纲差异，使得模型在训练过程中更加稳定和高效；
27、步骤s43：利用python创建偏最小二乘法预测模型，创建pls regression对象，并给定主成分个数；
28、步骤s44：将步骤s2预处理后得到的农村生活污水排放量县级数据按照7：3的比例随机划分训练集和测试集；其中训练集用于模型的训练，测试集用于评价预测模型的预测性能。
29、作为上述技术方案的改进，所述步骤s5中，按以下方法评估训练后的预测模型性能，包括：
30、采用30％的农村生活污水排放量数据进行模型测试，并分别使用拟合优度、均方误差评价指标对预测性能进行评估，其中拟合优度r2、均方误差mse公式分别为：
31、
32、
33、式中，n是测试集中的样本数，yactial是测试集的真值，ypredict是测试集中预测的值，ymean是测试集中平均值。
34、本专利技术为解决其技术问题同时提出一种农村生活污水排放量的预测系统，包本文档来自技高网...
【技术保护点】
1.农村生活污水排放量的预测方法，其特征在于：包括：
2.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
3.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
4.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
5.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
6.根据权利要求5所述的农村生活污水排放量的预测方法，其特征在于：
7.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
8.农村生活污水排放量的预测系统，其特征在于：包括
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
【技术特征摘要】
1.农村生活污水排放量的预测方法，其特征在于：包括：
2.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
3.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
4.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
5.根据权利要求1所述的农村生活污水排放量的预测方法，其特征在于：
6.根据权利要求5所述的农村生活污水排放量的预测方法，其特征在于：
7.根据权...
【专利技术属性】
技术研发人员：李鹏宇，周子玉，郑天龙，曹英楠，韩云平，刘俊新，
申请(专利权)人：中国科学院生态环境研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。