【技术实现步骤摘要】
本专利技术涉及水质监测，具体涉及一种基于arima和svr算法的水质预测模型的训练方法及系统。
技术介绍
1、水质预测工作是根据采集到的历史水质监测数据，通过建模等手段来预测水质的变化趋势，来达到掌握水质现状以及发展趋势的目的。水质预测精度的提高对于水环境质量的评价、水资源管理制度的制定，以及水污染监测与控制系统的规划具有重大意义。不过，以往人们主要采取人工现场采样和实验室仪器分析为主的水质监测方法，难以实时监测到水质情况，比较耗时耗力，无法满足水环境管理的需求。
2、为了解决这一困难，水质在线自动监测系统和现场快速检测仪器开始登上水质监测的舞台，发挥出自己的作用。随着科学技术的发展，生物监测、遥感监测等技术也逐渐被应用到了水质监测当中。在此基础上设置地表水水质监测站点能够实时获取所处水域的水质状况，基于获取的地表水水质数据并结合其他环境大数据可以实现高精度地表水水质预测，具有重大的实际应用意义。例如监察人员能够提前感知流域的污染风险，向上下游站点发送预警信号，并回溯可能的污染来源。对于预测值和实际值相差较大的点位，可以联动...
【技术保护点】
1.一种基于ARIMA和SVR算法的水质预测模型的训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于ARIMA和SVR算法的水质预测模型的训练方法，其特征在于，步骤S3中通过耦合协调度模型计算各指标因素之间的耦合协调度，根据耦合协调度计算得到综合协调指数最优参数，包括以下内容：
3.如权利要求2所述的基于ARIMA和SVR算法的水质预测模型的训练方法，其特征在于，步骤S3中根据综合协调指数最优参数以及灰色关联分析模型计算各指标因素之间的关联度，包括以下内容：
4.如权利要求3所述的基于ARIMA和SVR算法的水质预测模...
【技术特征摘要】
1.一种基于arima和svr算法的水质预测模型的训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于arima和svr算法的水质预测模型的训练方法，其特征在于，步骤s3中通过耦合协调度模型计算各指标因素之间的耦合协调度，根据耦合协调度计算得到综合协调指数最优参数，包括以下内容：
3.如权利要求2所述的基于arima和svr算法的水质预测模型的训练方法，其特征在于，步骤s3中根据综合协调指数最优参数以及灰色关联分析模型计算各指标因素之间的关联度，包括以下内容：
4.如权利要求3所述的基于arima和svr算法的水质预测模型的训练方法，其特征在于，步骤s3中根据水质信息数据对arima-svr模型进行参数训练，得到水质指标预测数据，包括以下内容：
5.如权利要求4所述的基于arima和svr算法的水质预测模型的训练方法，其特征在于，步骤s4中检...
【专利技术属性】
技术研发人员：秦菁逸，王鑫，金烈威，杨成凤，王意鑫，全睿哲，
申请(专利权)人：内蒙古大学，
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。