水质预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种水质预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：对目标区域的历史水质样本数据进行有效特征提取，得到水质预测特征；根据水质预测特征从预设模型构建通道中选择目标模型构建通道；基于历史水质样本数据与目标模型构建通道构建水质预测模型；将目标区域的待测水质样本数据输入水质预测模型进行预测，得到目标区域的预测水质类别。采用本方法能够根据用户输入的水质样本数据自适应选择最适合的模型构建通道，无需用户自行对水质样本数据进行处理或分类，降低水质预测过程的成本和使用复杂度，提升水质预测的效率。提升水质预测的效率。提升水质预测的效率。

【技术实现步骤摘要】
水质预测方法、装置、计算机设备和存储介质


[0001]本申请涉及水质检测
，特别是涉及一种水质预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着环保意识的逐渐加强，水环境管理已经成了解决水资源短缺与水污染加剧的重要措施，水质预测及预警是水环境问题的重要研究内容之一。
[0003]传统技术中，水质预测工作是一个劳动密集型工作，专业工作人员需要对水环境中的水体特征进行建模，从而实现水质预测，建模过程大多需要工作人员进行参数调节和参数优化，加大了水质预测过程中的人工成本和使用复杂度，大大影响了水质预测的效率。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够降低水质预测过程的成本和使用复杂度，提升水质预测的效率的水质预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种水质预测方法，所述方法包括：
[0006]对目标区域的历史水质样本数据进行有效特征提取，得到水质预测特征；
[0007]根据所述水质预测特征从预设模型构建通道中选择目标模型构建通道；
[0008]基于所述历史水质样本数据与所述目标模型构建通道构建水质预测模型；
[0009]将所述目标区域的待测水质样本数据输入所述水质预测模型进行预测，得到所述目标区域的预测水质类别。
[0010]在其中一个实施例中，所述预设模型构建通道包括传统模型自训练通道和神经模型自训练通道；
[0011]所述根据所述水质预测特征从预设模型构建通道中选择目标模型构建通道，包括：
[0012]确定所述水质预测特征的特征类型，若所述水质预测特征的特征类型为图片特征，则从预设模型构建通道中选择神经模型自训练通道作为目标模型构建通道；
[0013]若所述水质预测特征的特征类型为数值特征，则基于所述水质预测特征与预设选择阈值从所述预设模型构建通道中选择所述目标模型构建通道。
[0014]在其中一个实施例中，所述基于所述水质预测特征与预设选择阈值从所述预设模型构建通道中选择所述目标模型构建通道，包括：
[0015]确定所述水质预测特征的特征种类数量，将所述特征种类数量与预设选择阈值进行比较；
[0016]若所述特征数量高于所述预设选择阈值，则从预设模型构建通道中选择神经模型自训练通道作为目标模型构建通道。
[0017]在其中一个实施例中，若所述特征数量低于所述预设选择阈值，则从所述预设模
型构建通道中选择传统模型自训练通道作为所述目标模型构建通道。
[0018]在其中一个实施例中，所述基于所述历史水质样本数据与所述目标模型构建通道构建水质预测模型，包括：
[0019]获取所述目标模型构建通道的初始预测模型；
[0020]将所述历史水质样本数据输入至所述初始预测模型，在预设训练周期内对所述初始预测模型进行迭代训练，获得水质预测模型。
[0021]在其中一个实施例中，所述将所述历史水质样本数据输入至所述初始预测模型，在预设训练周期内对所述初始预测模型进行迭代训练，获得水质预测模型，包括：
[0022]将所述历史水质样本数据按照预设比例分为训练数据集和测试数据集；
[0023]将所述训练数据集输入至所述初始预测模型中，在预设训练周期内进行迭代训练，得到初始水质预测模型；
[0024]基于所述测试数据集对所述初始水质预测模型进行测试，获得水质预测模型。
[0025]第二方面，本申请还提供了一种水质预测装置，所述装置包括：
[0026]特征提取模块，用于对目标区域的历史水质样本数据进行有效特征提取，得到水质预测特征；
[0027]通道选择模块，用于根据所述水质预测特征从预设模型构建通道中选择目标模型构建通道；
[0028]模型构建模块，用于基于所述历史水质样本数据与所述目标模型构建通道构建水质预测模型；
[0029]水质预测模块，用于将所述目标区域的待测水质样本数据输入所述水质预测模型，得到所述目标区域的预测水质类别。
[0030]第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
[0031]第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
[0032]第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
[0033]上述水质预测方法、装置、计算机设备、存储介质和计算机程序产品，对目标区域的历史水质样本数据进行有效特征提取，得到与水质相关的水质预测特征，根据水质预测特征从预设模型构建通道中选择目标模型构建通道，在确定了目标模型构建通道后，基于历史水质样本数据构建水质预测模型，将目标区域采集的待测水质样本数据输入到构建好的水质预测模型中，得到目标区域的预测水质类别，通过预先设置不同的模型构建通道，可以根据用户输入的水质样本数据自适应选择最适合的模型构建通道，无需用户自行对水质样本数据进行处理或分类，降低水质预测过程的成本和使用复杂度，提升水质预测的效率。
附图说明
[0034]图1为一个实施例中水质预测方法的应用环境图；
[0035]图2为一个实施例中水质预测方法的流程示意图；
[0036]图3为一个实施例中根据水质预测特征从预设模型构建通道中选择目标模型构建
通道步骤的流程示意图；
[0037]图4为一个实施例中基于水质预测特征与预设选择阈值从预设模型构建通道中选择目标模型构建通道步骤的流程示意图；
[0038]图5为一个实施例中，将历史水质样本数据输入至初始预测模型，在预设训练周期内对初始预测模型进行迭代训练，获得水质预测模型步骤的流程示意图；
[0039]图6为另一个实施例中水质预测方法的流程示意图；
[0040]图7为一个实施例中水质预测装置的结构框图；
[0041]图8为一个实施例中计算机设备的内部结构图。
具体实施方式
[0042]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0043]本申请实施例提供的水质预测方法，可以应用于如图1所示的应用环境中。其中，水质预测分析系统102通过网络与终端104进行通信。数据存储系统可以存储水质预测分析系统102需要处理的数据。数据存储系统可以集成在水质预测分析系统102上，也可以放在云上或其他网络服务器上。水质预测分析系统102从终端104上获取目标区域的历史水质样本数据，对目标区域的历史水质样本数据进行有效特征提取，得到水质预测特征，根据水质预测特征从预设模型构建通道中选择目标模型构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质预测方法，其特征在于，所述方法包括：对目标区域的历史水质样本数据进行有效特征提取，得到水质预测特征；根据所述水质预测特征从预设模型构建通道中选择目标模型构建通道；基于所述历史水质样本数据与所述目标模型构建通道构建水质预测模型；将所述目标区域的待测水质样本数据输入所述水质预测模型进行预测，得到所述目标区域的预测水质类别。2.根据权利要求1所述的方法，其特征在于，所述预设模型构建通道包括传统模型自训练通道和神经模型自训练通道；所述根据所述水质预测特征从预设模型构建通道中选择目标模型构建通道，包括：确定所述水质预测特征的特征类型，若所述水质预测特征的特征类型为图片特征，则从预设模型构建通道中选择神经模型自训练通道作为目标模型构建通道；若所述水质预测特征的特征类型为数值特征，则基于所述水质预测特征与预设选择阈值从所述预设模型构建通道中选择所述目标模型构建通道。3.根据权利要求2所述的方法，其特征在于，所述基于所述水质预测特征与预设选择阈值从所述预设模型构建通道中选择所述目标模型构建通道，包括：确定所述水质预测特征的特征种类数量，将所述特征种类数量与预设选择阈值进行比较；若所述特征数量高于所述预设选择阈值，则从预设模型构建通道中选择神经模型自训练通道作为目标模型构建通道。4.根据权利要求3所述的方法，其特征在于，若所述特征数量低于所述预设选择阈值，则从所述预设模型构建通道中选择传统模型自训练通道作为所述目标模型构建通道。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述基于所述历史水质样本数据与所述目标模型构建通道构建水质预测模型，包括：获...

【专利技术属性】
技术研发人员：阳王东，邓慧娴，李肯立，胡逸騉，严宇威，杨彪，方万奔，李楚梦，何贤浩，
申请(专利权)人：湖南大学，
类型：发明
国别省市：