基于机器学习的水环境浮游植物动态监测系统技术方案

本发明专利技术涉及技术领域，具体涉及一种基于机器学习的水环境浮游植物动态监测系统，包括预处理模块、机器学习模型构建模块、实时更新模块和系统部署模块，预处理模块、机器学习模型构建模块、实时更新模块和系统部署模块依次连接；预处理模块，用于对浮游植物数据进行采集并预处理；机器学习模型构建模块，用于基于预处理数据进行监测模型构建；实时更新模块，用于对模型进行实时更新；系统部署模块，用于对监测系统进行部署；由此通过采集水环境数据和浮游植物数据，并基于机器学习来构建预测模型，并依靠对模型的实时更新，从而准确监测浮游植物的动态情况，显著提高监测准确率，使得监测数据更贴合实际情况。

【技术实现步骤摘要】

本专利技术涉及，尤其涉及一种基于机器学习的水环境浮游植物动态监测系统。

技术介绍

1、在水环境中，浮游植物对维持水体生态平衡和生物多样性具有至关重要的作用，但浮游植物容易出现过度繁殖，引发藻华的问题，严重威胁水资源和渔业，甚至对人类健康造成不利，为了杜绝以上情况，需要对水环境浮游植物进行监测，目前传统的方式通过在水环境设置多种水质传感器，进行简单的数据监测，同时定期进行人工采样，观察浮游植物生长状态，进而达到监测目的。

2、但在前述的现有技术中，通过水质传感器虽然可以起到一定监测作用，但大多为复杂且无用的数据，准确率较低，因此需要配合人工采样，而浮游植物在水环境中具备动态特性，各种参数会实时变化，仅通过人工采样和设置传感器，无法适应动态的情况，导致最终监测准确率会大大下降。

技术实现思路

1、本专利技术的目的在于提供一种基于机器学习的水环境浮游植物动态监测系统，解决现有技术中通过水质传感器虽然可以起到一定监测作用，但大多为复杂且无用的数据，准确率较低，因此需要配合人工采样，而浮游植物在水环境中具备本文档来自技高网...

【技术保护点】

1.一种基于机器学习的水环境浮游植物动态监测系统，其特征在于，

2.如权利要求1所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

3.如权利要求2所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

4.如权利要求3所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

5.如权利要求4所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

6.如权利要求5所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

7.如权利要求6所述的基于机器学习的水环境浮游植物动态监测系统，其特...

【技术特征摘要】

1.一种基于机器学习的水环境浮游植物动态监测系统，其特征在于，

2.如权利要求1所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

3.如权利要求2所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

4.如权利要求3所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

5.如权利要求4所述的基于机器学习的水环境浮游植物动态监测系统，其特征在于，

6...

【专利技术属性】
技术研发人员：董磊，林莉，吕孙云，李响，冯雪，潘雄，张雨婷，张为，黄华伟，
申请(专利权)人：长江水利委员会长江科学院，
类型：发明
国别省市：