[發(fā)明專利]一種水體溶解氧預測方法及裝置

在審

• 申請?zhí)枺?/td>: 201710214305.6
• 申請日: 2017-04-01
• 公開（公告）號: CN107169621A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計）人: 楊衛(wèi)中;饒偉;李道亮;付為森;王亮;楊昊;位耀光;李振波
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司11002
• 代理人: 湯財寶

1.一種水體溶解氧預測方法，其特征在于，包括：

將預測樣本輸入通過訓練基于K-means聚類法分類識別的訓練樣本建立的預測模型，獲得未來第一預設(shè)時間段內(nèi)的溶解氧預測值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，進一步包括：

S1，獲取水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)及生物量數(shù)據(jù)各自與溶解氧數(shù)據(jù)的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)選取模板樣本；

S2，通過K-means聚類法按照所述第一預設(shè)時間段對所述模板樣本進行分類，在所述分類的模板樣本中識別出與所述預測樣本相似的模板樣本作為訓練樣本；

S3，對所述訓練樣本進行訓練，以建立預測模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述S1之前還包括S0，采集并存儲第二預設(shè)時間段內(nèi)的溶解氧數(shù)據(jù)、水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)以及生物量數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述S0之后、所述S1之前包括：

采用線性插值法對所述水質(zhì)數(shù)據(jù)進行處理，采用均值平滑法對所述生物量數(shù)據(jù)進行處理，以及采用小波變化法對所述氣象數(shù)據(jù)進行處理。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述S0之后、所述S1之前還包括：

對處理后的所述水質(zhì)數(shù)據(jù)、所述氣象數(shù)據(jù)以及所述生物量數(shù)據(jù)分別進行歸一化處理。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述S1進一步包括：

根據(jù)皮爾森相關(guān)系數(shù)法獲取所述水質(zhì)數(shù)據(jù)、所述氣象數(shù)據(jù)及所述生物量數(shù)據(jù)各自與所述溶解氧數(shù)據(jù)的相關(guān)系數(shù)。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述S2中在所述分類的模板樣本中識別出與所述預測樣本相似的模板樣本作為訓練樣本進一步包括：

根據(jù)基于歐式距離和夾角余弦原理獲取的相似度，在所述分類的模板樣本中識別出與所述預測樣本相似的模板樣本作為訓練樣本。

8.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述S3中對所述訓練樣本進行訓練進一步包括：

采用模糊神經(jīng)網(wǎng)絡(luò)對所述訓練樣本進行訓練。

9.一種水體溶解氧預測裝置，其特征在于，包括：

預測模塊，用于將預測樣本輸入通過訓練基于K-means聚類法分類識別的訓練樣本建立的預測模型，獲得未來第一預設(shè)時間段內(nèi)的溶解氧預測值。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，還包括：

獲取模塊，用于獲取水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)以及生物量數(shù)據(jù)各自與溶解氧數(shù)據(jù)的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)選取模板樣本；

處理模塊，用于通過K-means聚類法按照所述第一預設(shè)時間段對所述模板樣本進行分類，在所述分類的模板樣本中識別出與所述預測樣本相似的模板樣本作為訓練樣本；

模型建立模塊，用于對所述訓練樣本進行訓練，以建立預測模型。