[發明專利]一種構建河流硅藻水華預警模型的方法及裝置

在審

• 申請號: 202010122030.5
• 申請日: 2020-02-26
• 公開（公告）號: CN111382929A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 夏瑞;曹圣潔;鄒磊;張遠;楊中文;馬淑芹;王曉
• 申請（專利權）人: 中國環境科學研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06Q50/26
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 張琳琳

1.一種構建河流硅藻水華預警模型的方法，其特征在于，包括如下步驟：

根據河流水文要素數據、水質要素數據及藻密度進行分析，得到河流硅藻水華預警模型的關鍵影響因子；

根據關鍵影響因子數據集進行融合，得到支持向量機的樣本集；

運用遺傳算法對支持向量機的參數進行優化計算，得到支持向量機參數的最優解；

根據所述支持向量機的樣本集和所述最優解構建河流硅藻水華預警模型。

2.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，根據河流水文要素數據、水質要素數據及藻密度進行分析，得到河流硅藻水華預警模型的關鍵影響因子，包括：

根據河流藻密度確定河流硅藻水華的表征因素；

根據河流水文要素數據、水質要素數據確定河流硅藻水華的影響因素；

根據廣義加性模型計算得到所述影響因素和表征因素之間的相關性；

根據所述相關性確定與所述表征因素顯著相關的影響因素；

根據與所述表征因素顯著相關的影響因素確定河流硅藻水華預警模型的關鍵影響因子。

3.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，根據所述關鍵影響因子數據集進行融合，得到支持向量機的樣本集，包括：

對所述關鍵影響因子和藻密度進行歸一化處理，計算得到支持向量機的樣本集。

4.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，運用遺傳算法對支持向量機的參數進行優化計算，得到支持向量機參數的最優解，包括：

根據遺傳算法參數對支持向量機的懲罰參數和高斯核函數參數所有解進行編碼，得到懲罰參數和高斯核函數參數的可疑解；

根據所述可疑解計算得到遺傳算法每個初始個體的適應度值；

根據所述適應度值確定懲罰參數和高斯核函數參數的最優解。

5.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，根據所述支持向量機的樣本集和所述最優解構建河流硅藻水華預警模型，包括：

根據支持向量機對所述樣本集進行訓練，計算得到回歸函數；

根據結構風險最小化準則對所述回歸函數進行計算，得到改進后的回歸函數；

根據改進后的回歸函數、徑向基函數及最優解構建河流硅藻水華預警模型。

6.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，還包括：

判斷所述河流硅藻水華預警模型是否達到預設精度；

當所述河流硅藻水華預警模型不滿足預設精度時，再次計算支持向量機的樣本集；

根據再次計算的支持向量機的樣本集和所述最優解構建河流硅藻水華預警模型。

7.根據權利要求1所述的構建河流硅藻水華預警模型的方法，其特征在于，還包括：

當所述河流硅藻水華預警模型滿足預設精度時，根據所述河流硅藻水華預警模型進行河流硅藻水華預警。

8.一種構建河流硅藻水華預警模型的裝置，其特征在于，包括：

關鍵影響因子篩選模塊，用于根據河流水文要素數據、水質要素數據及藻密度進行分析，得到河流硅藻水華預警模型的關鍵影響因子；

樣本集獲取模塊，用于根據所述關鍵影響因子數據集進行融合，得到支持向量機的樣本集；

最優解計算模塊，用于運用遺傳算法對支持向量機的參數進行優化計算，得到支持向量機參數的最優解；

預警模型構建模塊，用于根據所述支持向量機的樣本集和所述最優解構建河流硅藻水華預警模型。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使所述計算機執行如權利要求1－7任一項所述的構建河流硅藻水華預警模型的方法。

10.一種構建河流硅藻水華預警模型的系統，其特征在于，包括：存儲器和處理器，所述存儲器和所述處理器之間互相通信連接，所述存儲器存儲有計算機指令，所述處理器通過執行所述計算機指令，從而執行如權利要求1－7任一項所述的構建河流硅藻水華預警模型的方法。