一种水质预警方法及系统技术方案

本发明专利技术提供了一种水质预警方法及系统，方法包括：获取待测水域的当前生物运动特征数据；将待测水域的当前生物运动特征数据，输入水质预警模型，得到预警结果；所述水质预警模型是采用差分进化算法和灰狼优化算法对支持向量机模型进行训练得到的。本发明专利技术提供的方法及系统通过差分进化算法和灰狼优化算法对支持向量机模型进行训练得到水质预警模型，使用水质预警模型对待测水域进行水质预警，能够提高水质预警的准确性，具有全局搜索能力强的优点。点。点。

【技术实现步骤摘要】
一种水质预警方法及系统


[0001]本专利技术涉及水质预警领域，特别是涉及一种水质预警方法及系统。

技术介绍

[0002]水质是水体质量的简称，一般通过水体的物理(如色度、浊度、臭味等)、 化学(无机物和有机物的含量)和生物(细菌、微生物、浮游生物、底栖生物) 来衡量。目前，随着科技发展和人类生活水平的提高，人类对水质的关注度 越来越高。水质预警成为科研人员争相研究的话题。
[0003]目前水质预警取得了一定的成果，根据生物(主要是鱼群)轨迹特征参 数，采用参数加权求和或者机器学习算法进行生物水质预警。但是参数加权 求和的方法，需要进行大量的实验求得最优权值；而机器学习方法采用大部 分都基于SVM(支持向量机，Support Vector Machine)模型对生物特征数据 的进行二分类得到预警结果，但是，目前的SVM模型和SVM改进模型虽 然有不错的局部搜索能力，但是在全局搜索时存在稳定性差、准确率低的问 题。
[0004]因此，亟需一种水质预警技术，具有准确性高、全局搜索能力强的优点。

技术实现思路

[0005]本专利技术的目的是提供一种水质预警方法及系统，能够提高水质预警的准 确性，具有全局搜索能力强的优点。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种水质预警方法，包括：
[0008]获取待测水域的当前生物运动特征数据；
[0009]将所述待测水域的当前生物运动特征数据，输入水质预警模型，得到所 述待测水域的预警结果；所述水质预警模型是利用差分进化算法和灰狼优化 算法对支持向量机模型进行训练得到的。
[0010]可选的，在所述将所述待测水域的当前生物运动特征数据，输入水质预 警模型，得到所述待测水域的预警结果之前，还包括：
[0011]建立支持向量机模型；
[0012]获取待测水域的生物运动特征历史数据；
[0013]将所述待测水域的生物运动特征历史数据作为训练集，利用差分进化算 法和灰狼优化算法对所述支持向量机模型进行训练，得到水质预警模型。
[0014]可选的，所述将所述待测水域的生物运动特征历史数据作为训练集，利 用差分进化算法和灰狼优化算法对所述支持向量机模型进行训练，得到水质 预警模型，具体包括：
[0015]构建初始狼群；
[0016]利用差分进化算法对所述初始狼群进行处理，得到优化后的初始狼群， 将优化后的初始狼群作为训练狼群并初始化最优狼群目标函数值；
[0017]将所述训练狼群和所述训练集均输入所述支持向量机模型，计算所述训 练狼群中每个个体的个体目标函数值；
[0018]根据所述个体目标函数值对所述训练狼群中的个体进行降序排序，并将 前3个个体分别作为α狼、β狼和δ狼；
[0019]根据所述α狼的个体目标函数值、所述β狼的个体目标函数值和所述δ 狼的个体目标函数值，更新所述最优狼群目标函数值；
[0020]更新所述训练狼群中每个个体的位置，令第一迭代次数的数值增加1， 并返回步骤“将所述训练狼群和所述训练集均输入所述支持向量机模型，计 算所述训练狼群中每个个体的个体目标函数值”，直至所述第一迭代次数达 到第一迭代次数阈值，并将与所述最优狼群目标函数值对应的个体的位置作 为所述支持向量机模型的参数，得到水质预警模型；所述支持向量机模型的 参数包括：惩罚因子和核函数系数。
[0021]可选的，所述利用差分进化算法对所述初始狼群进行处理，得到最优初 始狼群，具体包括：
[0022]根据所述初始狼群构建父代种群；
[0023]将所述父代种群和所述训练集均输入所述支持向量机模型，计算所述父 代种群的种群目标函数值；
[0024]采用差分进化算法，对所述父代种群进行交叉和变异处理，得到子代种 群；
[0025]将所述子代种群和所述训练集均输入所述支持向量机模型，计算所述子 代种群的种群目标函数值；
[0026]判断所述子代种群的种群目标函数值是否大于所述父代种群的种群目 标函数值，得到第一判断结果；
[0027]若第一判断结果为是，则将所述父代种群更新为所述子代种群；
[0028]若第一判断结果为否，则保留所述父代种群；
[0029]令第二迭代次数的数值增加1，并返回步骤“采用差分进化算法，对所 述父代种群进行交叉和变异处理，得到子代种群”直至所述第二迭代次数达 到第二迭代次数阈值，并将所述父代种群确定为优化后的初始狼群。
[0030]可选的，所述根据所述α狼的个体目标函数值、所述β狼的个体目标函 数值和所述δ狼的个体目标函数值，更新所述最优狼群目标函数值，具体包 括：
[0031]判断所述最优狼群目标函数值是否小于α狼的个体目标函数值，得到第 二判断结果；
[0032]若第二判断结果为是，则将所述最优狼群目标函数值更新为α狼的个体 目标函数值；
[0033]若第二判断结果为否，则判断所述最优狼群目标函数值是否小于β狼的 个体目标函数值，得到第三判断结果；
[0034]若第三判断结果为是，则将所述最优狼群目标函数值更新为β狼的个体 目标函数值；
[0035]若第三判断结果为否，则将所述最优狼群目标函数值更新为δ狼的个体 目标函数值；
[0036]可选的，所述更新所述训练狼群中每个个体的位置，具体包括：
[0037]根据所述训练狼群中每个个体的位置，利用公式X
p
(t+1)＝X
p
(t)
‑
A.D对所 述训练狼群中每个个体进行更新，得到所述训练狼群中每个个体的一次更新 位置；并将所述训练狼群中除α狼以外每个个体的一次更新位置作为下一次 迭代时除α狼以外每个个体的的位置；
[0038]根据α狼的一次更新位置、β狼的一次更新位置和δ狼的一次更新位置， 利用公式对α狼进行再次更新，得到α狼的二次更新 位置；并将所述α狼的二次更新位置作为下一次迭代时α狼的位置；
[0039]式中，X
p
(t+1)为第t+1次迭代时个体p的位置；X
p
(t)为第t次迭代时个 体p的位置；A为收敛因子；D为个体到猎物的距离，D＝|CX
p
(t)
‑
X(t)|，X(t) 为第t次迭代时猎物位置，C＝2r1，C为系数常量，r1为[0,1]间的随机数； X
α
(t+1)为第t+1次迭代时α狼的位置；X1、X2和X3分别为第t次迭代时α 狼、β狼和δ狼的一次更新位置。
[0040]一种水质预警系统，包括：
[0041]当前数据获取模块，用于获取待测水域的当前生物运动特征数据；
[0042]水质预警模块，用于将所述待测水域的当前生物运动特征数据，输入水 质预警模型，得到所述待测水域的预警结果；所述水质预警模型是利用差分 进化算法和灰狼优化算法对支持向量机模型进行训练得到的。
[0043本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质预警方法，其特征在于，所述方法，包括：获取待测水域的当前生物运动特征数据；将所述待测水域的当前生物运动特征数据，输入水质预警模型，得到所述待测水域的预警结果；所述水质预警模型是利用差分进化算法和灰狼优化算法对支持向量机模型进行训练得到的。2.根据权利要求1所述的水质预警方法，其特征在于，在所述将所述待测水域的当前生物运动特征数据，输入水质预警模型，得到所述待测水域的预警结果之前，还包括：建立支持向量机模型；获取待测水域的生物运动特征历史数据；将所述待测水域的生物运动特征历史数据作为训练集，利用差分进化算法和灰狼优化算法对所述支持向量机模型进行训练，得到水质预警模型。3.根据权利要求2所述的水质预警方法，其特征在于，所述将所述待测水域的生物运动特征历史数据作为训练集，利用差分进化算法和灰狼优化算法对所述支持向量机模型进行训练，得到水质预警模型，具体包括：构建初始狼群；利用差分进化算法对所述初始狼群进行处理，得到优化后的初始狼群，将优化后的初始狼群作为训练狼群并初始化最优狼群目标函数值；将所述训练狼群和所述训练集均输入所述支持向量机模型，计算所述训练狼群中每个个体的个体目标函数值；根据所述个体目标函数值对所述训练狼群中的个体进行降序排序，并将前3个个体分别作为α狼、β狼和δ狼；根据所述α狼的个体目标函数值、所述β狼的个体目标函数值和所述δ狼的个体目标函数值，更新所述最优狼群目标函数值；更新所述训练狼群中每个个体的位置，令第一迭代次数的数值增加1，并返回步骤“将所述训练狼群和所述训练集均输入所述支持向量机模型，计算所述训练狼群中每个个体的个体目标函数值”，直至所述第一迭代次数达到第一迭代次数阈值，并将与所述最优狼群目标函数值对应的个体的位置作为所述支持向量机模型的参数，得到水质预警模型；所述支持向量机模型的参数包括：惩罚因子和核函数系数。4.根据权利要求3所述的水质预警方法，其特征在于，所述利用差分进化算法对所述初始狼群进行处理，得到优化后的初始狼群，具体包括：根据所述初始狼群构建父代种群；将所述父代种群和所述训练集均输入所述支持向量机模型，计算所述父代种群的种群目标函数值；采用差分进化算法，对所述父代种群进行交叉和变异处理，得到子代种群；将所述子代种群和所述训练集均输入所述支持向量机模型，计算所述子代种群的种群目标函数值；判断所述子代种群的种群目标函数值是否大于所述父代种群的种群目标函数值，得到第一判断结果；若第一判断结果为是，则将所述父代种群更新为所述子代种群；
若第一判断结果为否，则保留所述父代种群；令第二迭代次数的数值增加1，并返回步骤“采用差分进化算法，对所述父代种群进行交叉和变异处理，得到子代种群”直至所述第二迭代次数达到第二迭代次数阈值，并将所述父代种群确定为优化后的初始狼群。5.根据权利要求3所述的水质预警方法，其特征在于，所述根据所述α狼的个体目标函数值、所述β狼的个体目标函数值和所述δ狼的个体目标函数值，更新所述最优狼群目标函数值，具体包括：判断所述最优狼群目标函数值是否小于α狼的个体目标函数值，得到第二判断结果；若第二判断结果为是，则将所述最优狼群目标函数值更新为α狼的个体目标函数值；若第二判断结果为否，则判断所述最优狼群目标函数值是否小于β狼的个体目标函数值，得到第三判断结果；若第三判断结果为是，则将所述最优狼群目标函数值更新为β狼的个体目标函数值；若第三判断结果为否，则将所述最优狼群目标函数值更新为δ狼的个体目标函数值。6.根据权利要求3所述的水质预警方法，其特征在于，所述更新所述训练狼群中每个个体的位置，具体包括：根据所述训练狼群中每个个体的位置，利用公式X
p
(t+1)＝X
p
(t)
‑
A.D对所述训练狼群中每个个体进行更新，得到所述训练狼群中每个个体的一次更新位置；并将所述训练狼群中除α狼以外每个个体的一次更新位置作为下一次迭代时除α狼以外每个个体的的位置...

【专利技术属性】
技术研发人员：赵小强，高强，逯恒志，户延威，习子辰，李世杰，贺青，王建，陈羽佳，杨晨，杨轩，
申请(专利权)人：西安碧海蓝天电子信息技术有限公司，
类型：发明
国别省市：