欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024110064910
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种海洋牧场水质多参数预测方法,其特征在于:包括数据采集步骤、模型构建步骤、实时预测步骤和结果分析步骤,所述数据采集步骤输出的数据和模型构建步骤输出的模型应用于实时预测步骤,所述实时预测步骤的预测结果应用于结果分析步骤,所述数据采集步骤用于采集海洋牧场水质多维参数数据;

所述数据采集步骤即选择耐腐蚀、防水的多参数水质监测仪,包括温度传感器、盐度传感器、pH传感器、溶解氧传感器、氨氮传感器和磷酸盐传感器,结合GIS系统根据海洋牧场的地理位置、水深和流速因素,分布传感器节点,采用网格化布置,节点间距规则分布,采用低功耗广域网/海洋物联网技术结合LoRa数据传输协议将传感器数据实时传输到中央服务器内;

所述实时预测步骤用于对数据采集步骤采集的实时水质数据进行水质变化预测;

所述实时预测步骤包括:实时数据输入和预测结果输出;

所述实时数据输入即将传感器采集的实时水质数据输入到训练好的预测模型中;

所述预测结果输出即预测模型输出预测的水质参数,并实时更新预测结果,生成未来一段时间内的水质变化预测数据;

所述预测方法设计有数据预处理步骤,数据预处理步骤用于对数据采集步骤采集的海洋牧场多维参数进行预处理;

数据预处理步骤包括:去除异常值、数据平滑和缺失数据填补;

去除异常值即利用3σ原则统计方法识别并去除极端异常值;

数据平滑即采用移动平均法/卡尔曼滤波对数据进行平滑处理,消除短期波动噪声;

缺失数据填补即利用线性插值法/最近邻插值法/回归填补法对缺失数据进行填补,保证数据的连续性和完整性;

所述预测方法设计有特征提取步骤,特征提取步骤用于对数据预处理步骤处理后的数据进行关键特征参数提取;

特征提取步骤包括:特征选择和特征工程;

特征选择即利用相关性分析/主成分分析方法,选择对水质产生影响的关键特征参数;

特征工程即对对水质产生影响的关键特征参数进行标准化、归一化处理,确保不同量纲的数据在预测模型中具有相同的权重,通过时间序列分析对水质产生影响的关键特征参数,提取时间特征包括季节性和周期性变化;

所述预测方法还设计有结果分析步骤,结果分析步骤用于对实时预测步骤的预测结果进行分析;

结果分析步骤包括:趋势分析和异常检测;

趋势分析即对预测结果进行趋势分析,识别水质参数的变化趋势,利用时序分析方法,确定水质变化的周期性和季节性;

异常检测即利用统计方法和机器学习算法,统计方法和机器学习算法包括控制图法/异常检测算法,检测预测结果中的异常情况,及时预警存在的水质问题;

所述数据采集步骤采集的传感器数据应用于智能数据融合步骤,智能数据融合步骤用于将不同来源数据与传感器数据进行融合分析;

智能数据融合步骤将不同来源的数据包括卫星遥感数据、气象数据和历史水质数据与传感器数据应用数据融合技术进行综合,并应用时空分析方法,处理数据的时间和空间特征,结合GIS构建水质参数的时空模型;

所述结果分析步骤内还设计有生态风险评估步骤,生态风险评估步骤用于进行风险评估和预警;

生态风险评估步骤包括:建立生态风险指标体系、构建风险评估模型和风险预警响应;

建立生态风险指标体系即建立基于水质参数的生态风险评估指标体系,生态风险评估指标包括毒性阈值和生态健康指数,根据不同水质参数和生态系统的特点,设定相应的评估标准和阈值;

构建风险评估模型即构建多层次的生态风险评估模型,结合预测的水质参数,评估不同时间和地点的生态风险;

风险预警响应即结合预测结果及时识别和预警潜在的生态风险,通过可视化工具在用户界面展示风险评估结果。

2.根据权利要求1所述的一种海洋牧场水质多参数预测方法,其特征在于:所述预测方法还设计有模型构建步骤,模型构建步骤用于构建预测模型;

模型构建步骤包括:算法选择和确定模型结构;

算法选择即根据水质参数特点选择适合的机器学习算法,机器学习算法包括多变量线性回归、支持向量机、随机森林和神经网络;

确定模型结构即设计模型结构,确定神经网络的层数、每层的神经元数量,针对时间序列数据采用LSTM/GRU循环神经网络,使用交叉验证和网格搜索,确定模型的最优参数组合。

3.根据权利要求1所述的一种海洋牧场水质多参数预测方法,其特征在于:所述预测方法还设计有模型训练步骤,模型训练步骤用于对模型构建步骤构建出的预测模型进行训练调优;

模型训练步骤包括:数据集划分和训练过程;

数据集划分即将历史水质数据划分为训练集、验证集和测试集,比例采用8:1:1,用于模型的训练、验证和测试;

训练过程即使用训练集对模型进行训练,通过验证集调整模型参数,模型参数包括学习率和正则化参数,采用早停法/正则化技术防止模型过拟合。

4.根据权利要求1所述的一种海洋牧场水质多参数预测方法,其特征在于:所述中央服务器连接有用户界面,用户界面用于实时显示水质预测结果;

用户界面提供数据可视化和交互功能;

数据可视化即将水质预测结果以图表形式可视化展示,便于用户理解和分析;

交互功能即提供用户与系统的交互功能,交互功能包括参数设置、数据查询和报告生成,用户能够通过界面调整参数,查询历史数据和生成预测报告。

5.根据权利要求1所述的一种海洋牧场水质多参数预测方法,其特征在于:所述预测方法内还设计有自适应预测模型生成步骤,自适应预测模型生成步骤用于自适应模型选择和优化更新;

自适应预测模型生成步骤包括:自适应模型选择、模型自动优化和模型在线更新;

自适应模型选择即应用集成学习方法结合多种模型优点并根据水质数据特征,动态选择预测模型;

模型自动优化即利用AutoML技术对模型参数进行自动调整和优化;

模型在线更新即实现模型的在线学习和更新,随着新数据的不断加入,模型自动调整和优化,保持预测的实时性和准确性,应用增量学习方法,避免频繁重新训练模型。