[發明專利]一種湖庫營養狀態的智能判別方法及裝置

有效

• 申請號: 201210007459.5
• 申請日: 2012-01-11
• 公開（公告）號: CN102707025A
• 公開（公告）日: 2012-10-03
• 發明（設計）人: 戴會超;毛勁喬;柯云;吳建華
• 申請（專利權）人: 戴會超
• 主分類號: G01N33/18
• 分類號: G01N33/18;G01C13/00
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 任立;姚姣陽

1.一種湖庫營養狀態的智能判別方法，其特征在于：包括以下步驟：

㈠測量目標湖庫的水體透明度、葉綠素a濃度、總磷濃度和總氮濃度四個特征水質參數，測量頻率不低于1次/周，時間間隔不低于4周，取各指標的平均值；

㈡調查目標湖庫的經緯度和水面海拔高度，確定其所屬的地理區劃為“寒帶”、“內陸山區”、“內陸平原區”、“濱海區”和“干旱及過渡區”之一；

㈢按照下表中的目標湖庫所屬不同地理區劃，選取特征判別指標進行第一次判別，得到營養狀態結果I,?

?

其中，對于寒帶、內陸山區、內陸平原和濱海平原，特征判別指標僅為葉綠素a濃度，對于干旱及過渡區，特征判別指標為葉綠素a濃度、透明度和總磷濃度；

㈣用神經網絡數據驅動方法對四個判別特征指標：水體透明度、葉綠素a濃度、總磷濃度和總氮濃度進行非線性分析，得出歸一化的營養狀態結果II，結果II為“貧營養”、“中營養”和“富營養”之一；

㈤比較結果I和結果II，若結果一致，均為“富營養”，或均為“中營養”，或均為“貧營養”，則輸出一致的營養狀態結果為最終結果，判別結束；

㈥比較結果I和結果II，若結果I和結果II分別為“富營養”和“貧營養”，則輸出最終結果為“中營養”，?判別結束；

㈦若結果I和結果II分別為“富營養”和“中營養”，或分別為“中營養”和“貧營養”，則計算總氮和總磷比值W，若W大于15，則選擇結果I為最終結果；若W小于15，則選擇結果II為最終結果，判別結束。

2.?如權利要求1所述的湖庫營養狀態的智能判別方法，其特征在于：所述步驟㈣中，神經網絡數據驅動方法具體為：采用下式對葉綠素a濃度、總磷濃度、總氮濃度和透明度四個判別特征指標進行非線性計算后加權平均，得到確定性評分值，根據確定性評分值所屬營養級別得出歸一化的營養狀態結果II，

式中為第k-1層內神經元i到第k層內神經元j的連接權因子；為該神經元的閾值；為網絡節點非線性作用函數；為第k層神經元的數目，M為神經網絡模型的總層數。

3.?用于權利要求1所述湖庫營養狀態的智能判別方法的裝置，其特征在于：包括數據采集模塊、數據判別模塊和數據發布模塊；

所述數據采集模塊包括：

多參數水質檢測儀，直接投放在水體中對特征水質葉綠素a濃度、總磷濃度和總氮濃度進行測量；

賽氏盤，放入水下，記錄剛好看不清的深度，以此來標定水質最大透明度；

GPS全球定位系統，直接測定目標湖庫的經緯度和水面海拔高度；

所述數據判別模塊包括：

水質信息預處理模塊，用于接收所述多參數水質檢測儀傳輸的水質參數值以及所述賽氏盤傳輸的透明度；

地理區劃分類模塊，用于接收所述GPS全球定位系統傳輸的目標湖庫的經緯度和水面海拔高度，并確定其所屬的地理區劃為“寒帶”、“內陸山區”、“內陸平原區”、“濱海區”和“干旱及過渡區”之一；

基于地理區劃的判別模塊，用于接收所述地理區劃分類模塊的信息，并按照目標湖庫所屬不同地理區劃表選取特征判別指標進行第一次判別，得到營養狀態結果I；

神經網絡數據驅動分析模塊，包括輸入層、隱含層和輸出層，所述輸入層設有4個輸入節點分別接收所述水質信息預處理模塊傳輸的葉綠素a濃度、總磷濃度、總氮濃度和透明度，所述隱含層包括5個節點并采用雙曲正切函數對所述輸入層的輸出進行計算，所述輸出層將計算結果作為營養狀態結果II輸出；

結果優選模塊，接收所述神經網絡數據驅動分析模塊和基于地理區劃的判別模塊的輸出營養狀態結果，進行比較判別，并將最終結果傳給數據發布模塊；

所述數據發布模塊包括：

管理發布終端：接收所述結果優選模塊的輸出營養狀態結果，并進行發布。