[發明專利]湖泊藍藻水華動態預測方法及裝置

在審

• 申請號: 202210630132.7
• 申請日: 2022-06-06
• 公開（公告）號: CN114819407A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 方澤華;王鵬
• 申請（專利權）人: 北京航空航天大學杭州創新研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/08
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 秦瑩

本說明書實施例提供了一種湖泊藍藻水華動態預測方法及裝置，其中，方法包括：根據浮游植物生長的基本過程建立物理狀態描述模型，并將所述物理狀態描述模型中的參數劃分為確定性參數和隨機性參數；通過雙集合卡爾曼濾波方法對所述參數和所述物理狀態描述模型的狀態進行更新，從而修正所述隨機性參數并通過所述物理狀態描述模型預測藍藻生長，獲取預測結果；計算所述預測結果和實際觀測結果的殘差值，基于所述殘差值建立神經網絡模型，通過所述神經網絡模型修正所述物理狀態描述模型的誤差，進行湖泊藍藻水華的預測。

技術領域

本文件涉及計算機技術領域，尤其涉及一種湖泊藍藻水華動態預測方法及裝置。

背景技術

近年來，由于現代化工、農業生產的迅猛發展，全球水生系統的富營養化程度日趨嚴重。湖泊藍藻的大量爆發性繁殖形成水華現象，嚴重影響了人類的生產生活和經濟建設，破壞水域生態環境的可持續發展。水華治理已成為全球急需解決的難題，對藍藻水華爆發過程的深入研究和有效預測具有重要的現實意義和社會經濟意義。

目前，藍藻水華預測的建模方法主要包括物理過程驅動建模和數據驅動建模兩種，但都存在預測精度不高，預測結果不夠準確的問題。同時，對于物理模型中存在的不確定性隨機參數，無法進行有效修正。

物理過程驅動建模從藍藻的生長機理出發，通過建立環境變量與隨機參數之間的物理模型進行藍藻生長預測。由于藍藻水華的物理過程復雜，受環境因素影響較大，建立準確描述藍藻生長過程的模型十分困難，進而使得預測結果誤差較大。數據驅動建模通過采集大量的觀測數據，對輸入和輸出數據之間的關系進行建模，多采用神經網絡模型、回歸模型等。數據驅動模型忽視對藍藻生長的機理分析，需要大量的觀測數據作為訓練樣本，預測結果的可解釋性差，并且對于處理時間序列問題存在一定的局限性。

發明內容

本發明的目的在于提供一種湖泊藍藻水華動態預測方法及裝置，旨在解決現有技術中的上述問題。

本發明提供一種湖泊藍藻水華動態預測方法，包括：

根據浮游植物生長的基本過程建立物理狀態描述模型，并將所述物理狀態描述模型中的參數劃分為確定性參數和隨機性參數；

通過雙集合卡爾曼濾波方法對所述參數和所述物理狀態描述模型的狀態進行更新，從而修正所述隨機性參數并通過所述物理狀態描述模型預測藍藻生長，獲取預測結果；

計算所述預測結果和實際觀測結果的殘差值，基于所述殘差值建立神經網絡模型，通過所述神經網絡模型修正所述物理狀態描述模型的誤差，進行湖泊藍藻水華的預測。

本發明提供一種湖泊藍藻水華動態預測裝置，包括：

建立劃分模塊，用于根據浮游植物生長的基本過程建立物理狀態描述模型，并將所述物理狀態描述模型中的參數劃分為確定性參數和隨機性參數；

更新預測模塊，用于通過雙集合卡爾曼濾波方法對所述參數和所述物理狀態描述模型的狀態進行更新，從而修正所述隨機性參數并通過所述物理狀態描述模型預測藍藻生長，獲取預測結果；

誤差預測模塊，用于計算所述預測結果和實際觀測結果的殘差值，基于所述殘差值建立神經網絡模型，通過所述神經網絡模型修正所述物理狀態描述模型的誤差，進行湖泊藍藻水華的預測。

采用本發明實施例，利用雙集合卡爾曼濾波和神經網絡的計算機技術，結合物理過程驅動模型和數據驅動模型，構造了一個湖泊藍藻水華的動態預測框架，從而實現了湖泊藍藻水華的準確預測，有效地減少了預測誤差，提高藍藻水華預測精度。雙集合卡爾曼濾波方法同時更新模型中的系統狀態和隨機參數狀態，在預測藍藻水華的同時對模型中的隨機參數進行了修正。

附圖說明