[發明專利]一種海面藻類短期預報方法、裝置、設備和介質

在審

• 申請號: 202011300205.3
• 申請日: 2020-11-19
• 公開（公告）號: CN112508204A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳慶勇;吳嘉祥
• 申請（專利權）人: 霧實（福建）科技有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06N20/00;G06N7/00
• 代理公司: 福州市鼓樓區京華專利事務所(普通合伙) 35212
• 代理人: 宋連梅

1.一種海面藻類短期預報方法，其特征在于：包括：

步驟1、根據歷史監測數據從鹽度數值、溶解氧數值以及水溫數值，進行降維擬合出水體表征溶解氧數值AOI；

步驟2、構建基準的XGboost算法模型；

步驟3、以歷史監測數據的PH數值以及AOI，結合該區域的氣溫數值構建第一特征矩陣，以歷史監測數據的葉綠素a數值作為反演目標，經過基準XGboost算法模型訓練建模，構成初級葉綠素a反演模型；

步驟4、以初級葉綠素a反演模型反演出的葉綠素a數值，結合該區域的風向以及風速數值構建第二特征矩陣，以歷史監測數據的藻密度數值作為反演目標，經過基準XGboost算法模型訓練建模，構成次級藻密度反演模型；

步驟5、通過次級藻密度反演模型反演出區域海洋藻密度數值，并參考人工經驗值進行危險系數分級，得出藻類爆發分級闕值；

步驟6、以沿海浮標的水質監測數據；通過初級葉綠素a反演模型以及次級藻密度反演模型的反演，并根據得到的值進行預報。

2.根據權利要求1所述的一種海面藻類短期預報方法，其特征在于：所述步驟6進一步具體為：以沿海浮標的水質監測數據，以時序插值成一天，三天，一周為頻率的近岸海域大面數據，結合預報中心的一天，三天，一周氣象數值預報數據，基于初級葉綠素a反演模型以及次級藻密度反演模型的柵格疊加分析，形成海域藻密度一天，三天，一周為頻率的數值預報數據，并進行預報。

3.根據權利要求1所述的一種海面藻類短期預報方法，其特征在于：所述步驟2進一步具體為：

構建基準的XGboost算法模型，由貝葉斯最優化完成超參數選擇，通過不斷地添加樣本點來更新目標函數的后驗分布，直到后驗分布達到設定分布。

4.根據權利要求1所述的一種海面藻類短期預報方法，其特征在于：所述初級葉綠素a反演模型的模型參數修訂為：模型超參數設置分別為learning_rate＝0.07，max_depth＝9，min_child_weight＝1，nthread＝-1，early_stopping_rounds＝63；

所述次級藻密度反演模型的模型參數修訂為：learning_rate＝0.68，max_depth＝7，min_child_weight＝1，nthread＝-1，early_stopping_rounds＝74；

其中，Learning_rate:學習率；

early_stopping_rounds:當模型在指定驗證集上的表現不再提升時,停止迭代；

max_depth:每顆決策樹的最大深度；

nthreads:并行訓練的最大進程數，-1代表無限制；

min_child_weight:進一步分裂一個子節點的最小Hessian和。

5.一種海面藻類短期預報裝置，其特征在于：包括：

獲取數值模塊，根據歷史監測數據從鹽度數值、溶解氧數值以及水溫數值，進行降維擬合出水體表征溶解氧數值AOI；

構建XGboost算法模型模塊，構建基準的XGboost算法模型；

初級模型模塊，以歷史監測數據的PH數值以及AOI，結合該區域的氣溫數值構建第一特征矩陣，以歷史監測數據的葉綠素a數值作為反演目標，經過基準XGboost算法模型訓練建模，構成初級葉綠素a反演模型；

次級模型模塊，以初級葉綠素a反演模型反演出的葉綠素a數值，結合該區域的風向以及風速數值構建第二特征矩陣，以歷史監測數據的藻密度數值作為反演目標，經過基準XGboost算法模型訓練建模，構成次級藻密度反演模型；

分級模塊，通過次級藻密度反演模型反演出區域海洋藻密度數值，并參考人工經驗值進行危險系數分級，得出藻類爆發分級闕值；

預報模塊，以沿海浮標的水質監測數據；通過初級葉綠素a反演模型以及次級藻密度反演模型的反演，并根據得到的值進行預報。