1.一种对河流鱼群丰富程度的识别方法,其特征在于,包括以下步骤:S1、实时获取鱼群通行监测系统在预设周期内的河流干流与河流支流鱼群通行数据;
S2、根据预构建的M/M/n模型与所述干流鱼群通行数据计算河流干流鱼群通过监测系统的平均排队长度;所述M/M/n模型为运筹学排队论中的一种连续时间模型,所述模型中第一个和第二个M指干流鱼群到达时间间隔与监测系统服务时间均服从指数分布,n指干流鱼群监测系统的监测通道总数为n;
S3、根据预构建的G/M/i模型与所述支流鱼群通行数据计算河流支流鱼群通过监测系统的平均排队长度;所述G/M/i模型为运筹学排队论中的一种连续时间模型,所述模型中G指支流鱼群到达时间间隔服从一般分布,M指监测系统服务时间服从指数分布,i指支流鱼群次级监测系统的监测通道总数i;
S4、对所述干流鱼群平均排队长度与所述支流鱼群平均排队长度进行加权求和,得到河流鱼群加权通过监测系统的加权排队长度;
S5、基于所述鱼群加权通过监测系统的加权排队长度确定所述河流鱼群的丰富等级。
2.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法,其特征在于,步骤S1中所述的河流干流与河流支流鱼群通行数据包括干流监测系统的监测通道数、单位时间通过干流监测系统鱼群总数、支流监测系统的监测通道数、单位时间通过支流监测系统鱼群总数。
3.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述步骤S2具体为:S2.1、获取预设时间段内干流鱼群监测系统的历史数据,并基于所述干流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望,将所述单位时间通过的鱼数的期望确定为单个监测通道服务率μ;
S2.2、将所述单位时间通过所述干流所有监测通道的鱼总数确定为干流系统服务率r;
S2.3、根据所述干流鱼群监测系统的监测通道总数n、干流系统服务率r以及单个监测通道服务率μ计算监测系统服务强度s;
S2.4、初始化预构建的M/M/n模型,将所述监测系统的监测通道总数、单个监测通道服务率、监测系统服务强度与所述M/M/n模型绑定后生成绑定参数的M/M/n模型;
S2.5、根据所述监测系统的监测通道总数,监测系统服务强度,与所述绑定参数的M/M/n模型计算干流监测系统平衡后监测系统内鱼的数量为k的概率;
S2.6、根据干流系统服务率与所述绑定参数的M/M/n模型计算干流鱼群平均排队长度。
4.根据权利要求3所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述步骤S2.6具体为:将所述干流鱼群平均排队长度E[Xq]与干流服务率r求和生成鱼群到达率λ;
其中,所述系统内鱼的数量为k的概率的计算公式为:
其中,Pk为所述干流鱼群监测系统内鱼的数量为k的概率,n为所述干流鱼群监测系统的监测通道总数,s为所述监测系统服务强度即其中,所述M/M/n模型的平均排队长度计算公式为:
其中,s为所述监测系统服务强度,Pn为所述干流鱼群监测系统内鱼的数量为n的概率,E[Xq]即为所述干流鱼群平均排队长度。
5.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述步骤S3具体为:S3.1、获取预设时间段内所有支流鱼群监测系统的历史数据,并基于所述支流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望,将所述单位时间通过的鱼数的期望确定为次级单个监测通道服务率μ;
S3.2、将所述单位时间通过所述支流所有监测通道的鱼总数确定为支流系统服务率r;
S3.3、根据所述所有支流鱼群次级监测系统的监测通道总数i、支流系统服务率(r)以及次级单个监测通道服务率μ计算次级监测系统服务强度s;
S3.4、初始化预构建的G/M/i模型,将所述次级监测系统的监测通道总数、次级单个监测通道服务率、次级监测系统服务强度与所述G/M/i模型绑定后生成绑定参数的G/M/i模型;
S3.5、根据所述次级监测系统的监测通道总数,次级单个监测通道服务率,与所述绑定参数的G/M/i模型计算支流监测系统平衡后次级监测系统的服务时间标准差;
S3.6、根据次级监测系统的服务时间标准差与所述绑定参数的G/M/i模型计算支流鱼群平均排队长度。
6.根据权利要求5所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述步骤S3.6具体为:将所述支流鱼群平均排队长度E[Xq]与支流系统服务率r求和生成支流鱼群到达率λ;
所述次级监测系统服务强度计算公式为:
其中,χ为所述支流鱼群到达率,δ为所述次级单个监测通道服务率,i为次级监测系统的监测通道总数;
所述支流监测系统平衡后次级监测系统的服务时间标准差计算公式为:*
σ=A(iδ‑iδσ);
其中,σ为所述次级监测系统的服务时间标准差,i为次级监测系统的监测通道总数,δ为次级单个监测通道服务率,A*(Q)为支流鱼群排队时间的LST;
其中,所述支流鱼群平均排队长度计算公式即所述G/M/i模型的平均排队长度为:其中,E(Xqc)即为所述所有支流即c条支流鱼群平均排队长度;
所述河流的鱼群加权排队长度计算公式为:
其中,ε为河流干流单位时间间隔内通过监测系统的鱼的总数,ηi为第i条支流单位时间间隔内通过监测系统的鱼的总数;E(Xqc)即为所述c条支流鱼群的平均排队长度,E(Xq)即为所述干流鱼群平均排队长度。
7.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述步骤S5具体为:S5.1、加载河流鱼群丰富等级划分表;
S5.2、从所述河流鱼群丰富等级划分表中识别所述河流鱼群加权排队长度所在的排队长度区间;
S5.2、将所述加权排队长度区间对应的鱼群丰富评价等级确定为所述河流鱼群丰富等级。
8.一种河流鱼群丰富程度的识别系统,所述系统采用了如权利要求1‑7中任一项所述的一种对河流鱼群丰富程度的识别方法,其特征在于,所述系统包括以下模块:鱼群通行数据获取模块:用于实时获取在预设时间间隔内河流干流鱼群通过系统的监测数据与河流支流鱼群通过系统的监测数据;
河流干流鱼群平均排队长度计算模块:用于根据预构建的M/M/n模型与所述河流干流鱼群监测数据计算河流干流鱼群平均排队长度;
河流支流鱼群平均排队长度计算模块:用于根据预构建的G/M/i模型与所述河流支流鱼群监测数据计算河流支流鱼群平均排队长度;
河流鱼群加权排队长度计算模块:用于对所述接收到的河流干流鱼群平均排队长度与河流支流鱼群平均排队长度进行加权求和,得到河流鱼群加权排队长度;
鱼群丰富程度表加载模块:用于实时调整根据河流鱼群加权排队长度所对应的河流鱼群的丰富程度;
河流鱼群丰富程度判别模块:用于根据河流鱼群加权排队长度确定河流鱼群的丰富程度。
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1‑7中任一项所述的一种对河流鱼群丰富程度的识别方法。
10.一种计算机设备,包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1‑7中任一项所述的一种对河流鱼群丰富程度的识别方法。