研究背景

随着水资源管理需求的日益增长，水质预测模型的精准度成为了评估其有效性的关键因素。本文旨在通过实证研究，探讨自建水质预测模型的实际应用效能，通过与真实监测数据的比对，揭示模型预测精度的真实情况。

数据基础情况

数据来源：自研水质模型预测结果
时间范围：2023 年全年
指标：高锰酸盐指数、总磷、氨氮、氟化物

模型简介

本研究采用基于一维水质的机理模型，通过实时监测数据动态调整降解系数与污染物迁移速度，实现了单次对高锰酸盐指数、总磷、氨氮、氟化物长达20天以上的高适应性预测，尤其擅长捕捉水质突变事件。

当前预测界面

曲线图展示当前最新的预测结果。下部展示预测结果是否超标，峰值及超标时间范围，预测月均值与实际累计月均值。

模型评价界面

可以查询历史预测区间的预测结果对比。下部为模型评价，通过多元统计指标（如MAPE、RMSE）深入剖析模型性能，特别是通过准确率区间分布图，多维度验证了模型的稳定性和可靠性。

模型精度评价方法

为了评估模型的准确率，本文采用比较直观的“预测误差率”来表达，用于评估预测值与真实值之间的接近程度。
$$\text{A}=1-\frac{|Y-\hat{Y}|}{Y}$$
A 表示相对准确性，𝑌 是观测到的真实值（或准确值），而 Y^ 是模型预测的值。这个公式量化了预测误差相对于真实值的比例，其逆值给出了预测相对于实际观察值的接近程度，可以视为一种衡量预测准确性的度量，这种表达通常被称为相对误差的倒数或者归一化绝对误差。

理论情况下，模型每天至少运行一次，预测因子包括高锰酸盐指数、总磷、氨氮、氟化物，每次预测不少于 7 天，模型评价方法是每个因子，每次所有预测结果，依次与监测指标进行比对，单个指标每次每个值得预测准确率计为 A。
$$\bar{A}=\frac{1}{N}\sum _{i=1}^N{A}_i$$
这段公式表示求所有单次单个因子所有预测值的算术平均，其中 N 是预测值的数量。
用这种方法观察一年每次预测准确率的变化。

Python 代码实现

创建了一个 WaterQualityPredictor 类，该类封装与数据库交互、数据处理、预测数据获取、监测数据获取、准确率计算以及绘图等操作。

import pandas as pd
import matplotlib.pyplot as plt
import pymysql
from datetime import datetime
from sklearn.metrics import mean_absolute_error
class WaterQualityPredictor:
    def __init__(self, db_config):
        self.db_config = db_config
        self.conn = self._connect_db() 
    def _connect_db(self):
        """连接数据库"""
        conn = pymysql.connect(**self.db_config)
        return conn
    def fetch_model_data(self, sql):
        """从数据库获取模型数据"""
        df = pd.read_sql(sql, self.conn)
        return self._process_data(df) 
    @staticmethod
    def _process_data(df):
        """处理数据，包括时间格式转换和数值处理"""
        df["create_time"] = pd.to_datetime(df["create_time"])
        df["start_time"] = pd.to_datetime(df["start_time"])
        df["date_time"] = pd.to_datetime(df["date_time"])
        for col in ["CODmn", "NH3", "TP", "F"]:
            df[col] = df[col].astype(float).round(3)
        return df
    def get_prediction_dataset(self, factor, create_time, prediction_days=7):
        """根据因子和创建时间获取预测数据集"""
        subset = self.model_data[(self.model_data["create_time"] == create_time) & (self.model_data[factor].notnull())].iloc[:6*prediction_days]
        subset = subset[["date_time", factor]].set_index("date_time").reset_index()
        return subset
    def fetch_monitor_data(self, begin_time, end_time, station, period):
        """获取监测数据"""
        # 这里省略具体的请求逻辑，
        pass 
    def calculate_accuracy(self, prediction_df, monitor_df, factor):
        """计算准确率"""
        concatenated_data = pd.merge(prediction_df, monitor_df, on="date_time", suffixes=('', '_y'))
        concatenated_data['Accuracy'] = 1 - (abs(concatenated_data[factor] - concatenated_data[factor+'_y']) / concatenated_data[factor])
        concatenated_data['Accuracy'] = concatenated_data['Accuracy'] * 100
        average_accuracy = concatenated_data['Accuracy'].mean()
        return round(average_accuracy, 4)
    def plot_comparison(self, concatenated_data, factor):
        """绘制预测值与监测值对比图"""
        if concatenated_data['date_time'].equals(concatenated_data['date_time_y']):
            plt.figure(figsize=(10, 6))
            plt.plot(concatenated_data['date_time'], concatenated_data[factor], label='Prediction', marker='o')
            plt.plot(concatenated_data['date_time_y'], concatenated_data[factor+'_y'], label='Monitor', marker='x')
            plt.xlabel('Date Time')
            plt.ylabel(factor + ' Value')
            plt.title(f'Comparison of {factor} Prediction and Monitor Values')
            plt.xticks(rotation=45)
            plt.legend()
            plt.show()
        else:
            print("date_time and date_time_y are not aligned")
    def run_analysis(self, factor, create_time, station, period, prediction_days=7):
        """执行整个分析流程"""
        self.model_data = self.fetch_model_data("SELECT * FROM mechanism")
        prediction_df = self.get_prediction_dataset(factor, create_time, prediction_days)
        monitor_df = self.fetch_monitor_data(prediction_df["date_time"].min(), prediction_df["date_time"].max(), station, period)
        accuracy = self.calculate_accuracy(prediction_df, monitor_df, factor)
        print(f"Average Accuracy: {accuracy}%")
        self.plot_comparison(pd.concat([prediction_df, monitor_df], axis=1), factor) 

if __name__ == "__main__":
    db_config = {
        "host": "",
        "port": ,
        "user": "",
        "password": "",
        "db": "",
        "charset": ""
    }
    predictor = WaterQualityPredictor(db_config)
    predictor.run_analysis("factor", datetime.now() - timedelta(days=7), "station", "h4")

实现任意预测时间的单词预测结果对比。

折线图分析准确率变化

循环计算单词预测结果，取 2023 年整个时间段，四个指标准确率变化分别绘图。

注：部分预测异常时段，存在站点运行问题，为展示真实预测情况，未对齐进行剔除。从预测异常的频次看出，异常频率并不高。

饼图分析准确率占比

为了更直观的分析预测准确率的分布，对四个因子准确率的分布划分为（小于40, 40~60, 60~80, 80~100）四个区间，分别作图如下。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np 
def prepare_data_for_piechart(df, column):
    bins = [-np.inf, 40, 60, 80, 100]
    labels = ['<40%', '40%-60%', '60%-80%', '80%-100%']
    # 使用cut函数将数据切分为区间，并计算每个区间内数据点的数量
    intervals = pd.cut(df[column], bins=bins, labels=labels, include_lowest=True)
    # 计算每个区间的频率
    frequencies = intervals.value_counts(normalize=True) * 100
    return frequencies
columns_to_analyze = df_2023.columns.tolist() 
fig, axs = plt.subplots(2, 2, figsize=(12, 8), facecolor='white')
axs = axs.ravel()  # 将2x2的数组展平以便循环 
for i, column in enumerate(columns_to_analyze):
    if i < len(axs):  # 确保不会超出子图的范围
        frequencies = prepare_data_for_piechart(df_2023, column)
        axs[i].pie(frequencies, labels=frequencies.index, autopct='%1.1f%%')
        axs[i].set_title(f'{column} Precision Distribution')
        axs[i].axis('equal')  # 确保饼图是圆形
# 隐藏未使用的子图
for j in range(i+1, len(axs)):
    fig.delaxes(axs[j])
plt.tight_layout()
plt.show()

上图表明，高锰酸盐指数准确率超过 60%的比例占比 95.4%，总磷准确率准确率超过 60%的比例 91.7%。详细指标可见下表。

	年平均准确率	预测天数	>80%	80~ 60%
高锰酸盐指数	84.78	327	83.2	14.1
总磷	79.52	327	70.6	21.1
氨氮	-186	321	0.9	4
氟化物	81.27	119	36.1	63.95
注：受站点运行情况影响，部分时段无数据。

直方图分析准确率分布

直方图（Histogram）是一个更好的可视化选择，因为它能清晰地展示每个准确率区间内的数据点数量，非常适合观察数据分布特征，如中心趋势、偏斜程度及异常值等。

import matplotlib.pyplot as plt
bin_width = 10
bins = list(range(0, 110, bin_width)) + [100]  # 包含100%的边界
# 创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 10))
# 遍历每个因子，并绘制其准确率的直方图
for i, column in enumerate(df_2023.columns):
    row = i // 2
    col = i % 2
    # 绘制直方图
    axs[row, col].hist(df_2023[column], bins=bins, edgecolor='black', alpha=0.7)
    axs[row, col].set_title(f'{column} Accuracy Distribution')
    axs[row, col].set_xlabel('Accuracy (%)')
    axs[row, col].set_ylabel('Frequency')
# 如果因子少于4个，隐藏多余的子图
for ax in axs.flat[len(df_2023.columns):]:
    ax.axis('off')
# 紧凑布局
plt.tight_layout()
plt.show()

直方图能清晰的看出高锰酸盐指数、总磷预测准确率更好，且分布更集中。

本模型氨氮预测准确率低的原因是：该目标站点氨氮指标长期较低。月均值波动在 0~0.2 之间，小时值可能长期处于 0~0.1 之间，即使较小的波动，准确率的值波动也很大。同时氨氮指标该站点与上游站点的关系不密切，只有较大的污染传递才能引起轻微升高。
经过长期观察，氨氮并非该站点的重点污染指标。

结论

1. 机理模型在某站点高锰酸盐指数、总磷、氟化物等指标 2023 年的预测均有较好的表现。以准确率（归一化绝对误差的逆）评价，累计分别为 84.78%、79.52%、81.27%。
2. 由于氨氮值较低，且与上游站点变化较弱，对于氨氮指标的预测准确率不高。也因为氨氮值较低并非重点关注对象，若要考虑提高预测精度，可选择大数据模型，如 LSTM、prophet 等。
3. 准确率（归一化绝对误差的逆）并不是水质模型精度评价的必选指标，只是因为其较为通俗易懂，而受用户认可，仍需注意其具有一定的局限性，作为一个模型评价的参考指标即可，不宜过分求高，水质模型是否准确，应考虑其预测水质变化的能力，水质影响（峰值、污染持续时间）等，是否能够知道业务需要，才是水质模型最重要的指标。

综上所述，本研究构建的机理模型在多数水质指标预测上展现了良好的效果，尤其在高锰酸盐指数、总磷和氟化物的预测上取得了显著成绩。然而，氨氮预测的挑战凸显了模型对低浓度污染物处理能力的局限，后续将结合先进的机器学习技术以增强特定条件下的预测能力。水质模型的终极目标不仅是追求高精度数值，更重要的是能否有效指导水环境管理和应对策略，确保模型服务于实际的环境治理需求。

以上就是实际机理模型的应用精度分析，如果对你有启发，请点赞关注，如果有不对的地方请帮忙指正，水质预测是很小众的领域，希望得到同行的支持和指导。

微信公众号：环境猫er