大数据驱动的太湖流域水环境综合治理全景式情景重构与预测研究

This project takes the comprehensive governance scenario of the Tai Lake Basin Water Environment as the research object. Through the comprehensive governance scenario analysis of the Tai Lake Basin Water Environment, the project studies the comprehensive governance scenario of Tai Lake water environment based on the comprehensive data. Apply the big data technology to clean, standardized and reduce the multi-source heterogeneous data about the comprehensive governance scenario of Tai Lake Basin Water Environment. Besides, using big data technology to excavate the hidden correlation and build the map of rules between scenario elements. Through investigating the correlation of scenario elements, build the orthogonal space which is equivalent with the original system. Based on the above, modeling the correlation between elements and itself from the big data analysis, and map the model to the comprehensive governance scenario of the Tai Lake Basin Water Environment. After this, restructure the panoramic system of the comprehensive governance scenario space. Through calibrating the reconstructed system, carry out the panoramic inversion and large scale prediction of the Tai Lake Basin Water Environment. The project is to improve the understanding of the complexity of Tai Lake Water Environment comprehensive governance, explore and enrich the theory of complex system management, expand the applications of big data, provide a new academic thought and operable research methods.

本项目以太湖流域水环境综合治理情景为研究对象，通过对太湖流域水环境综合治理情景分析，开展了太湖流域水环境综合治理情景全数据研究。运用大数据技术对所获取的太湖流域水环境综合治理情景的多源异构数据进行清洗、标准化和归约处理，挖掘太湖流域水环境综合治理情景要素间隐含关联关系和规律，进而构建要素间关联关系图谱。通过对情景要素的相关性进行研究，构建与原系统等价的正交情景空间。在此基础上，对大数据分析所获取的要素间关联关系以及要素自身进行建模，并将其全景映射到太湖流域水环境综合治理情景空间中，进而对太湖流域水环境综合治理情景进行全景式系统重构。通过对重构情景进行校验，开展太湖流域水环境综合治理全景式反演和大尺度预测。本项目为提高太湖流域水环境综合治理复杂性认知水平提供了新的学术思想和较强的具有可操作性的研究方法，探索并丰富了复杂系统管理理论以及拓展大数据应用领域，具有重要的现实意义和理论价值。

太湖太湖流域是我国经济最重要的区域之一，虽然经过多年治理，取得了一定的遏制和减缓污染的积极作用，但其治理工程效果依然表现出脆弱性、反复性和不可持续性,污染问题依然反复出现。本项目以太湖流域水环境综合治理情景为研究对象，运用大数据技术，并结合数理分析和计算实验方法进行研究。首先对太湖流域水环境复合系统研究文献和问题进行梳理，系统提炼出太湖流域水环境系统情景构建所需要的数据，进而建立相应的宏微观数据库。为了探究影响太湖污染影响因素以及政策实施对水环境的影响，分别选取不同污染指标，利用断点回归和引入工具变量的回归方法研究了治理政策对不同污染物治理效果。.构建基于大数据的从情景要素到全数据生成，以及到全景式情景重构范式，以太湖流域水环境综合治理这一问题为背景，将太湖流域水环境综合治理问题进行抽象，构建出太湖流域水环境综合治理系统模型，包括污染物扩散模型、企业排污模型、政府治理模型、居民排污模型等。通过对政府不同偏好的研究，分析其对该太湖流域复杂系统情景演化的影响，进而研究相应的水资源分配的优化方法和路径。.借鉴DICE研究模型的构建思想，构建了由目标函数、经济模型和环境模型共同组成的湖泊流域水环境污染问题研究模型。将政府对太湖污染治理的治理文件提炼出不同的治理策略，通过拉丁超立方的方法对深度不确定性参数进行抽样，并构建不同情景，以系统脆弱性为重要指标，利用情景鲁棒决策方法给出了太湖治理的鲁棒策略。从参数重要程度和参数范围两个维度，分别对数据降维问题进行了研究，引入了机器学习中的集成学习方法解决了参数重要度，为太湖环境治理措施提供了支撑；改进了传统系统脆弱性度量未考虑参数权重问题，提出了控制太湖系统脆弱性的关键参数范围确定的方法。此外，针对短期预测，将经济数据的这种低频数据和环境及天气的监测的高频数据结合起来，构建了多变量LSTM神经网络混频数据预测模型，对太湖流域水环境污染物进行短期预测。