一种用于水质基准推导的物种敏感性分布模型优

本发明涉及水质基准与校验，尤其涉及一种用于水质基准推导的物种敏感性分布模型优化方法。背景技术：1、水质基准是水环境中化学品对特定对象不产生有害效应的最大可接受剂量或浓度，是进行生态环境风险评估的主要科学依据，推导科学合理的水质基准成为保证水环境安全和人体健康的迫切需求。2、目前，国际上应用较广的水质基准推导方法主要有评估因子法(assessmentfactor，af)和物种敏感性分布模型法(species sensitivitydistribution，ssd)。评估因子法是利用样本集中最小的毒性数据乘/除一个评估因子得到水质基准的方法，其评估因子的大小依赖于数据的类型和样本集的大小(样本集的毒性样本的数量)；而物种敏感性分布模型法是基于不同物种对某一化学品的毒性大小遵从一定累积概率分布的假设，以统计分布模型来描述不同物种对该化学品的敏感性差异，从而外推至生态系统的水质基准推导方法。ssd利用多种毒性数据进行客观科学的推导，具有简单性、计算科学性以及提供可靠合理的统计数据等优势，能够较为真实地反映生态系统的实际情况。因此，更多的国家或地区推荐使用ssd法进行水质基准推导。而ssd法的准确性依赖于样本量的大小，样本量越大，准确性越高。当毒性数据不足时，则会导致ssd曲线拟合不稳定，其推导出的水质基准可能会造成过保护或欠保护的情况出现。3、种间关系预测模型(interspecies correlation estimation，ice)是一种基于物种之间毒性的相关关系而构建的一种预测方法，可以利用已有的中间毒性关系和已知毒性物种的毒性值外推更多物种的毒性值。ice模型能够为ssd曲线的构建提供有效的数据补充，减少水质基准推导的不确定性。4、此外，建立模型优化方法也可以提高ssd的稳定性和准确性，从而得到更精准的水质基准。目前，ssd的优化方法包括：anderson-darling检验、kolmogorov-smirnov检验和akaike信息准则评估，然而以上方法只能对数据的分布模型进行优化，不能对样本量作出评价，而样本量的大小决定了ssd的准确性，因此确定毒性数据的最小样本量至关重要，因此，亟需一种水质基准推导的物种敏感性分布模型优化方法。技术实现思路1、(一)要解决的技术问题2、鉴于现有技术的上述缺点、不足，本发明提供一种用于水质基准推导的物种敏感性分布模型优化方法，其解决了现有技术的水质基准推导方法中只能对数据的分布模型进行优化，不能对样本量作出评价，导致ssd曲线不准确，进而导致水质基准的推导结果不准确的技术问题。3、(二)技术方案4、为了达到上述目的，本发明采用的主要技术方案包括：5、第一方面，本发明实施例提供一种用于水质基准推导的物种敏感性分布模型优化方法，包括：6、s10、根据预先设置的化学品信息，获取所述化学品信息对应的原始样本集，所述原始样本集包括至少一条经预先设置的筛选原则筛选后的毒性样本，每一所述毒性样本均包括物种和该物种对应的毒性终点信息；7、s20、根据原始样本集的所有毒性样本，获取n+1个子样本集，所述n+1个子样本集中每个子样本集的毒性样本的数量均不同，且每个子样本集的毒性样本的数量均小于或等于原始样本集中毒性样本的数量；8、s30、将所有所述子样本集输入预先设置的第一拟合模型中，获得每个子样本集对应的拟合参数；9、s40、根据所有子样本集对应的拟合参数，获得原始样本集对应的最小样本量；10、s50、根据所述原始样本集的毒性样本的数量和所述最小样本量，判断所述原始样本集是否可信；11、若可信，则根据所述原始样本集推导水质基准。12、可选地，所述s10之后，s20之前还包括：13、s15、将所述原始样本集输入预先设置的第二拟合模型中，获得原始样本集对应的ssd曲线和该ssd曲线对应的拟合参数；所述拟合参数包括hc5值；14、则s50包括：15、根据所述原始样本集的毒性样本的数量和所述最小样本量，判断所述原始样本集是否可信；16、若可信，则通过公式一计算原始样本集对应的预测无效应浓度，所述预测无效应浓度即所述化学品信息对应的水质基准；17、所述公式一为：18、19、其中，pnec为预测无效应浓度，af为评估因子，所述评估因子根据所述原始样本集的毒性样本的数量进行取值。20、可选地，所述s50还包括：21、若不可信，则将原始样本集输入到预先设置种间关系预测模型中，获得新的原始样本集，并重新执行s20至s50，直至判断所述新的原始样本集可信；22、经种间关系预测模型输出的新的原始样本集的毒性样本的数量大于输入种间关系预测模型的原始样本集的毒性样本的数量，且输出的新的原始样本集的每一毒性样本均包括输入的原始样本集中物种对应的替换物种和每一替换物种对应的毒性终点信息。23、可选地，所述s15，将所述原始样本集输入预先设置的第二拟合模型中，获得原始样本集对应的ssd曲线和该ssd曲线对应的拟合参数，包括：24、将所述原始样本集输入预先设置的第二拟合模型中，则对所述原始样本集中所有所述毒性终点信息分别进行对数正态、对数逻辑斯蒂、对数冈布尔和威布尔拟合，并分别采用anderson-darling检验、kolmogorov-smirnov检验和赤池信息准则评估四种拟合方式的拟合优度；25、分别根据四种拟合方式的所有拟合优度，选择最优的拟合方式绘制所述原始样本集对应的ssd曲线，并根据该ssd曲线获得对应的拟合参数；26、所述s30，将所有所述子样本集输入预先设置的第一拟合模型中，获得每个子样本集对应的拟合参数，包括：27、将所有所述子样本集输入预先设置的第一拟合模型中，选择最优的拟合方式获得每个子样本集对应的拟合参数，所述第一拟合模型为基于所述第二拟合模型选择最优的拟合方式后，使用最优拟合方式获得拟合参数的模型。28、可选地，所述s40包括：29、s40-1、重复s20和s30，直至预设次数，获得每个子样本集对应的拟合参数；所述拟合参数还包括每一hc5值对应的置信区间；30、s40-2、将每个子样本集对应的拟合参数按hc5值进行排列，取排列的序列的中位数作为该子样本集的最终拟合参数；31、s40-3、根据所有子样本集对应的最终拟合参数，获得原始样本集对应的最小样本量。32、可选地，所述s40-3包括：33、根据所有子样本集对应的最终拟合参数和所有子样本集的毒性样本的数量，生成以毒性样本的数量为x轴，以hc5值为y轴的曲线图；34、根据所述曲线图获得原始样本集对应的最小样本量，所述最小样本量为所述曲线图的拐点。35、可选地，所述s10包括：36、s10-1、根据预先设置的化学品信息，获取所述化学品信息对应的原始样本集，所述原始样本集包括至少一条经预先设置的筛选原则筛选后的毒性样本；37、s10-2、判断所述原始样本集的毒性样本的数量是否大于预先设置的样本数量阈值；38、若小于，则将原始样本集输入到预先设置种间关系预测模型中，获得新的原始样本集，并重复s10-2，直至新的原始样本集的毒性样本的数量大于预先设置的样本数量阈值，则将新的原始样本集输入s20至s50，以获取新的原始样本集推导出的水质基准；39、经种间关系预测模型输出的新的原始样本集的毒性样本的数量大于输入种间关系预测模型的原始样本集的毒性样本的数量，且输出的新的原始样本集的每一毒性样本均包括输入的原始样本集中物种对应的替换物种和每一替换物种对应的毒性终点信息。40、可选地，所述s20包括：41、根据预先设置的重复抽样原则对原始样本集的所有毒性样本进行抽样，获取n+1个子样本集，其中n的值为该原始样本集的毒性样本的数量与所述样本数量阈值之差，所述样本数量阈值为6。42、第二方面，本发明实施例提供一种用于水质基准推导的物种敏感性分布模型优化系统，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述的一种用于水质基准推导的物种敏感性分布模型优化方法。43、第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述的一种用于水质基准推导的物种敏感性分布模型优化方法。44、(三)有益效果45、本发明的有益效果是：本发明的一种用于水质基准推导的物种敏感性分布模型优化方法，由于采用最小样本量评估用于绘制ssd曲线的毒性样本的数量，相对于现有技术而言，其可以提高ssd曲线的稳定性和准确性，从而推导出更加精准的水质基准。