一种海面藻类短期预报方法、装置、设备和介质制造方法及图纸

本发明专利技术提供一种海面藻类短期预报方法、装置、设备和介质，方法包括：根据历史监测数据从盐度数值、溶解氧数值以及水温数值，进行降维拟合出水体表征溶解氧数值AOI；构建基准的XGboost算法模型；经过基准XGboost算法模型训练建模，构成初级叶绿素a反演模型；经过基准XGboost算法模型训练建模，构成次级藻密度反演模型；通过次级藻密度反演模型反演出区域海洋藻密度数值，并参考人工经验值进行危险系数分级，得出藻类爆发分级阙值；以沿海浮标的水质监测数据；通过初级叶绿素a反演模型以及次级藻密度反演模型的反演，并根据得到的值进行预报，对其未来发展状况作出准确预测。

【技术实现步骤摘要】
一种海面藻类短期预报方法、装置、设备和介质
本专利技术涉及计算机
，特别涉及一种海面藻类短期预报方法、装置、设备和介质。
技术介绍
近年来，中国近海地区频繁发生赤潮，并且规模和范围越来越大，对人民健康构成威胁，并且也造成经济的重大损失，严重破坏了海洋生态环境；而现有对于藻类预报几乎没有相关的预报模型，也没有关于该方面的预报电视节目；只能根据渔民经验，进行判断，以此来进行预防；若是渔民经验不够，则会导致预报失准，依旧会造成大的损失；因此，研究藻类预报模型，将在有效防止赤潮危害，保护人民的健康，减少经济损失方面发挥重要作用。
技术实现思路
本专利技术要解决的技术问题，在于提供一种海面藻类短期预报方法、装置、设备和介质，基于监测站定时检测数据，研究近海藻类的生长机理，并进行数据挖掘，特别是优势藻种的时空分布规律，对其未来发展状况作出准确预测。第一方面，本专利技术提供了一种海面藻类短期预报方法，包括：步骤1、根据历史监测数据从盐度数值、溶解氧数值以及水温数值，进行降维拟合出水体表征溶解氧数值AOI；步骤本文档来自技高网...

【技术保护点】
1.一种海面藻类短期预报方法，其特征在于：包括：/n步骤1、根据历史监测数据从盐度数值、溶解氧数值以及水温数值，进行降维拟合出水体表征溶解氧数值AOI；/n步骤2、构建基准的XGboost算法模型；/n步骤3、以历史监测数据的PH数值以及AOI，结合该区域的气温数值构建第一特征矩阵，以历史监测数据的叶绿素a数值作为反演目标，经过基准XGboost算法模型训练建模，构成初级叶绿素a反演模型；/n步骤4、以初级叶绿素a反演模型反演出的叶绿素a数值，结合该区域的风向以及风速数值构建第二特征矩阵，以历史监测数据的藻密度数值作为反演目标，经过基准XGboost算法模型训练建模，构成次级藻密度反演模型；/...

【技术特征摘要】
1.一种海面藻类短期预报方法，其特征在于：包括：
步骤1、根据历史监测数据从盐度数值、溶解氧数值以及水温数值，进行降维拟合出水体表征溶解氧数值AOI；
步骤2、构建基准的XGboost算法模型；
步骤3、以历史监测数据的PH数值以及AOI，结合该区域的气温数值构建第一特征矩阵，以历史监测数据的叶绿素a数值作为反演目标，经过基准XGboost算法模型训练建模，构成初级叶绿素a反演模型；
步骤4、以初级叶绿素a反演模型反演出的叶绿素a数值，结合该区域的风向以及风速数值构建第二特征矩阵，以历史监测数据的藻密度数值作为反演目标，经过基准XGboost算法模型训练建模，构成次级藻密度反演模型；
步骤5、通过次级藻密度反演模型反演出区域海洋藻密度数值，并参考人工经验值进行危险系数分级，得出藻类爆发分级阙值；
步骤6、以沿海浮标的水质监测数据；通过初级叶绿素a反演模型以及次级藻密度反演模型的反演，并根据得到的值进行预报。


2.根据权利要求1所述的一种海面藻类短期预报方法，其特征在于：所述步骤6进一步具体为：以沿海浮标的水质监测数据，以时序插值成一天，三天，一周为频率的近岸海域大面数据，结合预报中心的一天，三天，一周气象数值预报数据，基于初级叶绿素a反演模型以及次级藻密度反演模型的栅格叠加分析，形成海域藻密度一天，三天，一周为频率的数值预报数据，并进行预报。


3.根据权利要求1所述的一种海面藻类短期预报方法，其特征在于：所述步骤2进一步具体为：
构建基准的XGboost算法模型，由贝叶斯最优化完成超参数选择，通过不断地添加样本点来更新目标函数的后验分布，直到后验分布达到设定分布。


4.根据权利要求1所述的一种海面藻类短期预报方法，其特征在于：所述初级叶绿素a反演模型的模型参数修订为：模型超参数设置分别为learning_rate＝0.07，max_depth＝9，min_child_weight＝1，nthread＝-1，early_stopping_rounds＝63；
所述次级藻密度反演模型的模型参数修订为：learning_rate＝0.68，max_depth＝7，min_child_weight＝1，nthread＝-1，early_stopping_rounds＝74；
其中，Learning_rate:学习率；
early_stopping_rounds:当模型在指定验证集上的表现不再提升时,停止迭代；
max_depth:每颗决策树的最大深度；
nthreads:并行训练的最大进程数，-1代表无限制；
min_child_weight:进一步分裂一个子节点的最小Hessian和。


5.一种海面藻类短期预报装置，其特征在于：包括：
获取数值模块，根据历史监测数据从盐度数值、溶解氧数值以及水温数值，进行降维拟合出水体表征溶解氧数值AOI；
构建XGboost...

【专利技术属性】
技术研发人员：陈庆勇，吴嘉祥，
申请(专利权)人：雾实福建科技有限公司，
类型：发明
国别省市：福建;35