1.一种城市河道水质的估计方法，其特征在于，该方法的具体步骤是：步骤(1).确定水质指标：

利用水质检测装置获得下述八项指标：生化需氧量、化学需氧量、氨氮、总磷、总氮、浊度、酸碱度、溶解氧；

步骤(2).建立城市河道水质估计系统的状态空间模型：采用数据采集仪，获得城市各个河道水质的动态特性数据，基于下述复杂网络模型建立城市河道水质的动态方程：表示k时刻节点i的水质状态向量，i∈N，正整数N表示构成复杂网络的节点数； 分别表示生化需氧量、化学需氧量、氨氮、总磷、总氮、浊度、酸碱度、溶解氧八个指标值，上标T表示矩阵的转置；yi,k∈R1，表示k时刻节点i的测量输出值，符号 表示n0维的列向量；f(xi,k)∈R8，表示工农业废水和城市生1

活污水的排放对水质产生的非线性干扰；g(xi,k)∈R，是测量输出的非线性干扰，且对于任意xi,k∈R8，满足||g(xi,k)||≤c1||xi,k||+c2，式中c1、c2是两个已知的常数，||·||表示矩阵或向量的欧几里得范数；Γ＝diag{γ1,γ2,...,γ8}，表示复杂网络模型的内部耦合矩阵，diag{·}表示对角矩阵，γl≥0，l＝1,2,…,8为已知常数，表示节点i的内部耦合系数；常数 表示节点i与节点j之间的连接情况，当 时，表示节点i与节点j之间是相通的，当 时，表示节点i与节点j之间不相通；wi,k∈R1，表示k时刻节点i的过程噪声，是均值为0、方差已知的高斯白噪声，方差为Qi,k，即E{wi,k}＝0， E{·}是数学期望的符号；vi,k∈R1，表示k时刻节点i的测量噪声，也是均值为0、方差已知的高斯白噪声，方差为Ri,k，即E{vi,k}＝0， Bi,k∈R8×1和Di,k∈R1×1为已知矩阵，符号 表示n1×n2维的实矩阵；

采用事件触发通信协议： 为正标量， 是关于测量值yi,k和标量 的函数，也就是事件触发的条件； 表示在触发时刻tz传输的测量输出值，z＝0,1,2,...；根据事件触发通信协议，只有当 时，触发条件满足，即传输测量数据；事件触发时间序列tz通过以下式子求得：其中inf{·}表示集合的下界；

利用一组满足伯努利分布的随机变量ρi,k来描述这种现象，并且ρi,k满足：其中， 为已知标量；Prob{·}，表示随机事件的概率；

最终传输到估计器中的数据 为：

最后，利用实际测量的水质数据，并通过计算机仿真技术对模型进行校验和修正；

步骤(3).建立水质估计的误差系统模型：(3-1)构造状态估计器：

基于扩展卡尔曼滤波方法，通过上述城市河道水质的动态方程，建立状态估计器模型：其中 表示状态向量xi,k在k时刻的一步预测值； 表示状态向量xi,k+1在k+1时刻的估计值；Ki,k+1∈R8×1为待求的估计器增益矩阵；

(3-2)建立估计误差系统：

定义节点i的预测误差 和估计误差

通过上述河道水质的动态方程和状态估计器模型，建立估计误差系统模型：通过泰勒级数展开法，将f(xi,k)线性化为： 其中矩阵 表示非线性函数f(xi,k)关于xi,k求偏导； 为关于 的高阶无穷小量，简写为： 其中Ci,k∈R8×8为比例矩阵，为时变矩阵，满足不等式 I表示维数匹配的单位矩阵；

将g(xi,k+1)线性化为： 其中矩阵为关于 的高阶无穷小量，简写为：

其中Vi,k+1∈R8×8为比例矩阵，θi,k+1∈R8×8为时变矩阵，满足不等式将估计误差系统改写为：

步骤(4).求解估计器增益矩阵：

通过上述误差系统模型，分别求出预测误差协方差Pi,k+1|k和估计误差协方差Pi,k+1|k+1；

(4-1)求解预测误差协方差Pi,k+1|k：求出预测误差协方差Pi,k+1|k的一个上界：其中

(4-2)求解估计误差协方差Pi,k+1|k+1：其中

求出估计误差协方差的一个上界：

其中

ε1,ε2,ε3是在区间(0,1)内的三个任意正标量，tr{·}表示矩阵的迹，上标-1表示矩阵或标量的逆；标量 当k时刻事件触发条件满足时， 反之，(4-3)求解估计器增益矩阵：

求解如下两个黎卡提差分方程：

其中，αi,k,βi,k,ε4＜1/N，是任意的正标量； 和 是方程组的两个解，且初值满足 此外，对于任意k＞0，不等式 都是成立的；

分别比较Pi,k+1|k和 及Pi,k+1|k+1和 得到：因此， 是估计误差协方差Pi,k+1|k+1的一个上界；

对 求偏导：

令 得到：

Ki,k+1即为得到的城市河道水质递归估计器的增益矩阵。