[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

本發明提供了一種水質預警方法及系統，方法包括：獲取待測水域的當前生物運動特征數據；將待測水域的當前生物運動特征數據，輸入水質預警模型，得到預警結果；所述水質預警模型是采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。本發明提供的方法及系統通過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水質預警模型，使用水質預警模型對待測水域進行水質預警，能夠提高水質預警的準確性，具有全局搜索能力強的優點。

技術領域

本發明涉及水質預警領域，特別是涉及一種水質預警方法及系統。

背景技術

水質是水體質量的簡稱，一般通過水體的物理(如色度、濁度、臭味等)、 化學(無機物和有機物的含量)和生物(細菌、微生物、浮游生物、底棲生物) 來衡量。目前，隨著科技發展和人類生活水平的提高，人類對水質的關注度 越來越高。水質預警成為科研人員爭相研究的話題。

目前水質預警取得了一定的成果，根據生物(主要是魚群)軌跡特征參 數，采用參數加權求和或者機器學習算法進行生物水質預警。但是參數加權 求和的方法，需要進行大量的實驗求得最優權值；而機器學習方法采用大部 分都基于SVM(支持向量機，SupportVector Machine)模型對生物特征數據 的進行二分類得到預警結果，但是，目前的SVM模型和SVM改進模型雖 然有不錯的局部搜索能力，但是在全局搜索時存在穩定性差、準確率低的問 題。

因此，亟需一種水質預警技術，具有準確性高、全局搜索能力強的優點。

發明內容

本發明的目的是提供一種水質預警方法及系統，能夠提高水質預警的準 確性，具有全局搜索能力強的優點。

為實現上述目的，本發明提供了如下方案：

一種水質預警方法，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。

可選的，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。

可選的，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；