[發明專利]一種水質預警方法及系統

在審

• 申請號: 202110629371.6
• 申請日: 2021-06-07
• 公開（公告）號: CN113358840A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 趙小強;高強;逯恒志;戶延威;習子辰;李世杰;賀青;王建;陳羽佳;楊晨;楊軒
• 申請（專利權）人: 西安郵電大學;西安碧海藍天電子信息技術有限公司
• 主分類號: G01N33/18
• 分類號: G01N33/18;G06N3/00;G06N20/10
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 杜陽陽

1.一種水質預警方法，其特征在于，所述方法，包括：

獲取待測水域的當前生物運動特征數據；

將所述待測水域的當前生物運動特征數據，輸入水質預警模型，得到所述待測水域的預警結果；所述水質預警模型是利用差分進化算法和灰狼優化算法對支持向量機模型進行訓練得到的。

2.根據權利要求1所述的水質預警方法，其特征在于，在所述將所述待測水域的當前生物運動特征數據，輸入水質預警模型，得到所述待測水域的預警結果之前，還包括：

建立支持向量機模型；

獲取待測水域的生物運動特征歷史數據；

將所述待測水域的生物運動特征歷史數據作為訓練集，利用差分進化算法和灰狼優化算法對所述支持向量機模型進行訓練，得到水質預警模型。

3.根據權利要求2所述的水質預警方法，其特征在于，所述將所述待測水域的生物運動特征歷史數據作為訓練集，利用差分進化算法和灰狼優化算法對所述支持向量機模型進行訓練，得到水質預警模型，具體包括：

構建初始狼群；

利用差分進化算法對所述初始狼群進行處理，得到優化后的初始狼群，將優化后的初始狼群作為訓練狼群并初始化最優狼群目標函數值；

將所述訓練狼群和所述訓練集均輸入所述支持向量機模型，計算所述訓練狼群中每個個體的個體目標函數值；

根據所述個體目標函數值對所述訓練狼群中的個體進行降序排序，并將前3個個體分別作為α狼、β狼和δ狼；

根據所述α狼的個體目標函數值、所述β狼的個體目標函數值和所述δ狼的個體目標函數值，更新所述最優狼群目標函數值；

更新所述訓練狼群中每個個體的位置，令第一迭代次數的數值增加1，并返回步驟“將所述訓練狼群和所述訓練集均輸入所述支持向量機模型，計算所述訓練狼群中每個個體的個體目標函數值”，直至所述第一迭代次數達到第一迭代次數閾值，并將與所述最優狼群目標函數值對應的個體的位置作為所述支持向量機模型的參數，得到水質預警模型；所述支持向量機模型的參數包括：懲罰因子和核函數系數。

4.根據權利要求3所述的水質預警方法，其特征在于，所述利用差分進化算法對所述初始狼群進行處理，得到優化后的初始狼群，具體包括：

根據所述初始狼群構建父代種群；

將所述父代種群和所述訓練集均輸入所述支持向量機模型，計算所述父代種群的種群目標函數值；

采用差分進化算法，對所述父代種群進行交叉和變異處理，得到子代種群；

將所述子代種群和所述訓練集均輸入所述支持向量機模型，計算所述子代種群的種群目標函數值；

判斷所述子代種群的種群目標函數值是否大于所述父代種群的種群目標函數值，得到第一判斷結果；

若第一判斷結果為是，則將所述父代種群更新為所述子代種群；

若第一判斷結果為否，則保留所述父代種群；

令第二迭代次數的數值增加1，并返回步驟“采用差分進化算法，對所述父代種群進行交叉和變異處理，得到子代種群”直至所述第二迭代次數達到第二迭代次數閾值，并將所述父代種群確定為優化后的初始狼群。

5.根據權利要求3所述的水質預警方法，其特征在于，所述根據所述α狼的個體目標函數值、所述β狼的個體目標函數值和所述δ狼的個體目標函數值，更新所述最優狼群目標函數值，具體包括：

判斷所述最優狼群目標函數值是否小于α狼的個體目標函數值，得到第二判斷結果；

若第二判斷結果為是，則將所述最優狼群目標函數值更新為α狼的個體目標函數值；

若第二判斷結果為否，則判斷所述最優狼群目標函數值是否小于β狼的個體目標函數值，得到第三判斷結果；

若第三判斷結果為是，則將所述最優狼群目標函數值更新為β狼的個體目標函數值；

若第三判斷結果為否，則將所述最優狼群目標函數值更新為δ狼的個體目標函數值。