一种海面乳化溢油检测方法技术

本发明专利技术公开一种海面乳化溢油检测方法

【技术实现步骤摘要】
一种海面乳化溢油检测方法、系统、设备及介质


[0001]本专利技术涉及海面乳化溢油检测领域，特别是涉及一种海面乳化溢油检测方法
、
系统
、
设备及介质
。

技术介绍

[0002]石油是当今社会不可缺少的重要动力能源，在经济和工业领域中都占据着十分重要的地位
。
对溢油污染的研究与治理已经受到全世界的广泛关注
。
溢油进入海域后，由于重力
、
黏性力
、
惯性力和表面张力的作用，会发生溢油扩展，增大油膜的表面面积；在海洋环境动力等外界因素影响下会发生溢油迁移，包括水面上的平流和湍流的扩散
、
漂移以及垂直方向的分散；同时伴有蒸发
、
乳化
、
溶解
、
沉淀
、
光氧化和生物降解等风化过程，并在海面上形成复杂多样的溢油污染类型
。
当溢油和海水混合后，会形成油包水
(water
‑
in
‑
oil
，
WO)
和水包油
(oil
‑
in
‑
water
，
OW)
等不同的溢油乳化状态，受外界因素影响会使乳化物的粘度不断增加，为清理工作带来困难
。
因此研究海上乳化溢油的检测方法，以达到快速获取海上乳化溢油量
、
溢油种类等信息尤为重要，对于减少溢油污染物对海洋生态环境问题带来的危害，以及推动社会的可持续发展都具有重要意义
。
[0003]红外光谱技术可用于分子中各类官能团和结构的检测，以实现定性与定量分析，并具有灵敏度高
、
检测速度快等优点，被广泛应用于各个领域
。
杜馨等人利用红外光谱技术实现了对
10
％～
50
％含水率的油水乳状液检测，但该检测的含水率范围较小，检测结果也只能表明红外光谱技术对于原油含水率的检测具有可行性，并没有实际模拟海面溢油的乳化状态
。
因此如何利用红外光谱技术实现对海面乳化溢油的快速
、
准确检测是目前急需解决的一个重要问题
。

技术实现思路

[0004]本专利技术的目的是提供一种海面乳化溢油检测方法
、
系统
、
设备及介质，能够提高海面乳化溢油种类识别的快速性和准确性
。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种海面乳化溢油检测方法，所述方法包括：
[0007]获取待测乳化溢油样本的目标吸收光谱数据；
[0008]采用主成分分析法对所述目标吸收光谱数据进行特征提取，得到目标特征数据；
[0009]将所述目标特征数据输入至分类模型，得到分类识别结果；所述分类识别结果表征所述待测乳化溢油样本的种类；
[0010]其中，所述分类模型是采用天鹰优化算法基于机器学习构建的支持向量机学习模型
。
[0011]可选地，所述分类模型的确定方法，具体包括：
[0012]获取样本数据；所述样本数据包括：各个乳化溢油样本的吸收光谱数据和标签数据；所述标签数据包括：各个乳化溢油样本的分类识别结果；
[0013]采用主成分分析法对所述吸收光谱数据进行特征提取，得到特征数据；所述特征数据包括：训练特征集和测试特征集；
[0014]构建支持向量机学习模型；
[0015]将所述训练特征集和对应的标签数据输入至所述支持向量机学习模型，采用天鹰优化算法寻找目标函数的最优值，对所述支持向量机学习模型中的分类参数进行迭代优化，得到优化后的支持向量机学习模型；所述目标函数为支持向量机学习模型输出的分类正确率；所述分类参数包括：惩罚因子和核函数；
[0016]采用所述训练特征集对所述分类参数进行调整，得到调整后的支持向量机学习模型；
[0017]将所述测试特征集输入至调整后的支持向量机学习模型，得到所述测试特征集对应的分类识别结果；
[0018]将调整后的支持向量机学习模型确定为所述分类模型
。
[0019]可选地，将所述训练特征集和对应的标签数据输入至所述支持向量机学习模型，采用天鹰优化算法寻找目标函数的最优值，对所述支持向量机学习模型中的分类参数进行迭代优化，得到优化后的支持向量机学习模型，具体包括：
[0020]根据所述目标函数确定适应度函数，根据所述适应度函数对所述分类参数进行迭代优化，得到优化后的分类参数，并根据优化后的分类参数确定优化后的支持向量机学习模型；所述适应度函数为分类正确率；
[0021]其中，第
t
次迭代过程为：
[0022]确定初始参数和猎物个体的初始位置；所述猎物个体为所述训练特征集中的各个特征数据；所述初始参数包括：种群规模数
、
设定迭代次数和空间维度；所述种群规模数为所述猎物个体的总数；
[0023]根据当前迭代次数下的各个猎物个体的实时位置，确定当前迭代次数下的分类参数；
[0024]判断是否满足迭代停止条件；所述迭代停止条件为当前迭代次数达到设定迭代次数
T
或者当前迭代次数下的分类参数是在所述适应度函数最大时确定的；
[0025]若满足迭代停止条件，则将当前迭代次数下的分类参数作为优化后的分类参数；
[0026]若不满足迭代停止条件，则根据当前迭代次数和设定迭代次数进行数值比较，得到第一比较结果；
[0027]若
t≤2T/3
，则在设定的向量值不大于设定阈值时，采用公式进行第一个扩大勘探阶段的位置更新；
[0028]其中，
t
为当前迭代次数；
T
为设定迭代次数；
X1(t+1)
为第一个扩大勘探阶段中第
t+1
次迭代的个体的实时位置；
X
best
(t)
为到第
t
次迭代为止的最优位置；
X
M
(t)
为第
t
次迭代时种群位置的平均值；
rand
为设定的向量值；
[0029]若
t≤2T/3
，则在设定的向量值大于设定阈值时，采用公式
X2(t+1)
＝
X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)*rand
进行第二个缩小勘探阶段的位置更新；
[0030]其中，
X2(t+1)
为第二个缩小勘探阶段中第
t+1
次迭代的个体的实时位置；
D
为空间
维度；
X
R
(t)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种海面乳化溢油检测方法，其特征在于，所述方法包括：获取待测乳化溢油样本的目标吸收光谱数据；采用主成分分析法对所述目标吸收光谱数据进行特征提取，得到目标特征数据；将所述目标特征数据输入至分类模型，得到分类识别结果；所述分类识别结果表征所述待测乳化溢油样本的种类；其中，所述分类模型是采用天鹰优化算法基于机器学习构建的支持向量机学习模型
。2.
根据权利要求1所述的海面乳化溢油检测方法，其特征在于，所述分类模型的确定方法，具体包括：获取样本数据；所述样本数据包括：各个乳化溢油样本的吸收光谱数据和标签数据；所述标签数据包括：各个乳化溢油样本的分类识别结果；采用主成分分析法对所述吸收光谱数据进行特征提取，得到特征数据；所述特征数据包括：训练特征集和测试特征集；构建支持向量机学习模型；将所述训练特征集和对应的标签数据输入至所述支持向量机学习模型，采用天鹰优化算法寻找目标函数的最优值，对所述支持向量机学习模型中的分类参数进行迭代优化，得到优化后的支持向量机学习模型；所述目标函数为支持向量机学习模型输出的分类正确率；所述分类参数包括：惩罚因子和核函数；采用所述训练特征集对所述参数进行调整，得到调整后的支持向量机学习模型；将所述测试特征集输入至调整后的支持向量机学习模型，得到所述测试特征集对应的分类识别结果；将调整后的支持向量机学习模型确定为所述分类模型
。3.
根据权利要求2所述的海面乳化溢油检测方法，其特征在于，将所述训练特征集和对应的标签数据输入至所述支持向量机学习模型，采用天鹰优化算法寻找目标函数的最优值，对所述支持向量机学习模型中的分类参数进行迭代优化，得到优化后的支持向量机学习模型，具体包括：根据所述目标函数确定适应度函数，根据所述适应度函数对所述分类参数进行迭代优化，得到优化后的分类参数，并根据优化后的分类参数确定优化后的支持向量机学习模型；所述适应度函数为分类正确率；其中，第
t
次迭代过程为：确定初始参数和猎物个体的初始位置；所述猎物个体为所述训练特征集中的各个特征数据；所述初始参数包括：种群规模数
、
设定迭代次数和空间维度；所述种群规模数为所述猎物个体的总数；根据当前迭代次数下的各个猎物个体的实时位置，确定当前迭代次数下的分类参数；判断是否满足迭代停止条件；所述迭代停止条件为当前迭代次数达到设定迭代次数
T
或者当前迭代次数下的分类参数是在所述适应度函数最大时确定的；若满足迭代停止条件，则将当前迭代次数下的分类参数作为优化后的分类参数；若不满足迭代停止条件，则根据当前迭代次数和设定迭代次数进行数值比较，得到第一比较结果；若
t≤2T/3
，则在设定的向量值不大于设定阈值时，采用公式
进行第一个扩大勘探阶段的位置更新；其中，
t
为当前迭代次数；
T
为设定迭代次数；
X1(t+1)
为第一个扩大勘探阶段中第
t+1
次迭代的个体的实时位置；
X
best
(t)
为到第
t
次迭代为止的最优位置；
X
M
(t)
为第
t
次迭代时种群位置的平均值；
rand
为设定的向量值；若
t≤2T/3
，则在设定的向量值大于设定阈值时，采用公式
X2(t+1)
＝
X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)*rand
进行第二个缩小勘探阶段的位置更新；其中，
X2(t+1)
为第二个缩小勘探阶段中第
t+1
次迭代的个体的实时位置；
D
为空间维度；
X
R
(t)
为第
t
次迭代时在
[1
，
N]
范围内取的随机解；
y
为天鹰在勘探中呈余弦形状；
x
为天鹰在勘探中呈正弦形状；
Levy(D)
为飞行分布函数；若
t>2T/3
，则在设定的向量值不大于设定阈值时，采用公式
X3(t+1)
＝
(X
best
(t)
‑
X
...

【专利技术属性】
技术研发人员：孔德明，李心怡，沈阅，周逸人，赵叶，
申请(专利权)人：河北燕大燕软信息系统有限公司，
类型：发明
国别省市：