【技术实现步骤摘要】
本专利技术涉及生物环境科学，尤其涉及一种针对小样本水体的叶绿素含量辅助预测方法及系统。
技术介绍
1、在测量叶绿素含量时，通常使用传统的荧光检测技术来测量所需的参数，如荧光量，以计算叶绿素含量，或使用高光谱成像方法来测量叶绿素含量。这些方法通常需要特定的物理/化学参数，并且具有高成本和复杂的安装要求。因此，研究水体中的影响因子对叶绿素含量的影响情况以及相关预测模型进而推广其治理碳排放的应用具有重要意义。
2、水体中的影响因子包括水温、ph、溶解氧、电导率、浊度、高猛酸盐指数、氨氮、总磷、总氮等，现有技术对其中的各单元建立数据驱动的叶绿素预测模型，对数据量、质的要求高，当采集到的数据少或数据受污染严重时，难以建立准确的模型。而且各水域的环境影响因子不同，难以使用一个普适化的模型满足每一水域单元叶绿素预测的需求，因此单独对每一水域单元建模需要重复的数据采集及处理、模型训练等工作，建模成本较高。
3、综上所述，现有技术的叶绿素含量监测或预测方法存在建模成本高、忽视环境影像因子相关性以及数据不足情况下难以建模的问题。p>
本文档来自技高网...
【技术保护点】
1.一种针对小样本水体的叶绿素含量辅助预测方法，其特征在于，包括：
2.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述采集不同环境下的水体信息，获得水体相关数据的方法为：
3.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述对所述相关数据进行预处理，得到理想数据集，具体包括：
4.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述基于所述理想数据集，计算平均影响值，并对理想数据集进行降维处理，具体包括：
5.根据权利要求1所述的针对小样本...
【技术特征摘要】
1.一种针对小样本水体的叶绿素含量辅助预测方法，其特征在于，包括：
2.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述采集不同环境下的水体信息，获得水体相关数据的方法为：
3.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述对所述相关数据进行预处理，得到理想数据集，具体包括：
4.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述基于所述理想数据集，计算平均影响值，并对理想数据集进行降维处理，具体包括：
5.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述设置混合训练集与测试集，并给每个样本设置权重与样本更新系数，具体包括：
6.根据权利要求1所述的针对小样本水体的叶绿素含量辅助预测方法，其特征在于，所述将降维后的数据集和权重向量相结合，对基本弱回归模型进...
【专利技术属性】
技术研发人员：张浩楠，万海英，刘成越，平晓静，吴奇，栾小丽，刘飞，
申请(专利权)人：江南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。