[發明專利]基于參數優化的水體pH值預測方法

有效

• 申請號: 202010041934.5
• 申請日: 2020-01-15
• 公開（公告）號: CN111310788B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 陳遠存;郭肇祿;張文生;羅云;譚力江
• 申請（專利權）人: 廣東奧博信息產業股份有限公司
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06N3/006
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

本發明公開了一種基于參數優化的水體pH值預測方法。本發明應用改進的鯨魚優化算法來優化設計梯度提升決策樹的訓練參數，然后利用優化設計的梯度提升決策樹來實現水體pH值的預測。在改進的鯨魚優化算法中，分別執行螺旋運動算子、包圍運動算子和組合跳躍算子來生成新的候選解，并適應性地調整步長因子，以此提升算法的搜索性能。本發明能夠提高水體pH值的預測精度。

技術領域

本發明涉及水污染處理領域，尤其是涉及一種基于參數優化的水體pH值預測方法。

背景技術

隨著人類文明的不斷進步，人民的生活水平正在逐漸提高。然而在人類社會的發展過程中，人類賴以生存的自然環境也遭受到了各種各樣的污染。其中，水污染問題已經變得日益嚴俊。為此，人們越來越重視水污染的治理。在水污染的治理過程中，工程技術人員常常需要掌握水體pH值的動態變化規律，從而規劃出合理的水污染治理方案。

近年來，機器學習技術在人類社會的方方面面得到了廣泛的應用。機器學習技術正在不斷地應用到水污染的治理當中，并備受工程技術人員的青睞。梯度提升決策樹是一種非常有潛力的機器學習技術，它已經在許多工程實踐中獲得了成功的應用。然而，傳統梯度提升決策樹應用于水體pH值預測時往往需要針對特定的工程條件設置不同的訓練參數才能獲得較好的預測效果。而傳統梯度提升決策樹訓練參數的設置還沒有形成系統化的理論指導。因此，工程技術人員在利用傳統梯度提升決策樹解決水體pH值的預測問題時常常會因為訓練參數設置不當而出現預測精度不高的缺點。

發明內容

本發明提供一種基于參數優化的水體pH值預測方法。它利用改進的鯨魚優化算法對梯度提升決策樹的訓練參數進化優化設計，在一定程度上克服了傳統梯度提升決策樹用于水體pH值預測時容易出現預測精度不高的缺點，本發明能夠提高水體pH值的預測精度。

本發明的技術方案：一種基于參數優化的水體pH值預測方法，包括以下步驟：

步驟1，采集水質樣本數據集；

步驟2，對采集的水質樣本數據集進行預處理，然后將采集的水質樣本數據集劃分為訓練數據集和測試數據集；

步驟3，確定梯度提升決策樹的輸入變量和輸出變量；

步驟4，確定梯度提升決策樹所需優化設計的訓練參數；

步驟5，利用改進的鯨魚優化算法對梯度提升決策樹的訓練參數進行優化設計；

步驟6，利用優化設計的梯度提升決策樹實現水體pH值預測；

其中，步驟5所述的利用改進的鯨魚優化算法對梯度提升決策樹的訓練參數進行優化設計，包括以下步驟：

步驟5.1，設置種群規模WSize和最大迭代次數MaxT；

步驟5.2，設置當前迭代次數t＝0；

步驟5.3，隨機產生WSize個候選解組成種群WP＝{X₁,X₂,...,X_i,...,X_WSize}，其中X_i為種群中的第i個候選解，且X_i存儲了梯度提升決策樹所需優化設計的訓練參數；候選解下標i＝1,2,...,WSize；

步驟5.4，設置記憶因子MK_i＝rand(0,1)，其中rand(0,1)表示在[0,1]之間隨機產生實數的函數；

步驟5.5，計算種群中每個候選解的適應值，并在種群中找出適應值最小的候選解保存到最優解XBest；

步驟5.6，設置運動標記mf＝0，然后在[0,1]之間隨機產生一個實數pec；

步驟5.7，如果pec小于0.5，則轉到步驟5.10，否則轉到步驟5.8；