一种水体溶解氧浓度预测系统技术方案

本发明专利技术提出一种水体溶解氧浓度预测系统，包括：特征生成模块、随机森林生成模块、决策树权重计算模块和预测模块，特征生成模块，用于获取与水体溶解氧浓度相关的特征；随机森林生成模块，用于接收特征生成模块输出的特征，并通过随机森林算法生成随机森林；决策树权重计算模块，用于计算随机森林中决策树的权重；预测模块，用于接收样本或待测数据，将其输入随机森林，将决策树的输出加权后求和作为预测值。本发明专利技术提出的水体溶解氧浓度预测系统考虑了环境气象要素对溶解氧浓度的影响，适用性较高，具有高精度、高灵活性和强稳健性，同时节省人力物力。人力物力。人力物力。

【技术实现步骤摘要】
一种水体溶解氧浓度预测系统


[0001]本专利技术属于水质监测领域
，尤其涉及一种水体溶解氧浓度预测系统。

技术介绍

[0002]目前，水体溶解氧浓度监测有人工移动监测、固定站点监测和遥感监测等方式。人工移动监测，依赖野外采样和实验室分析，工作量大、效率低，只能对特定时间段某一有限区域进行监测，难以反映全区域水质情况；固定站点监测，通过特定波长处吸光度的换算，可以实现定点实时在线监测，无法满足大范围同步动态监测的需求；遥感监测，包括可见光、红外光谱等监测手段，具有获取数据快、覆盖范围广和同步观测等优势。光谱遥感能够获取丰富精细的光谱信息，对水体溶解氧、总氮等元素感知度更灵敏、估算精度更高，已成为当前最有效的遥感监测手段。卫星光谱遥感成本较高、分辨率较低、很难推广应用。地面光谱遥感具有成本低、操作简单、受天气影响较小、无需大气校正等特点，是水体参数定量化研究的有效获取手段。
[0003]研究表明风越大溶氧越高。这个原理和增氧机差不多，大风会卷起水面，使水面由一个静止的平面变成一个流动的曲面，一方面增加了水体和空气接触的面积，溶解到水中的氧自然就增加了，另一方面水表面由静止变得流动也会增强水体溶氧的能力，这两个因素加在一起，就使得大风天气下的水体溶氧量极度丰富。水的溶氧量是有一个极限值的，一旦水体溶氧饱和了，再大的风也不会再增加水体溶氧了。
[0004]研究表明温度越高水溶氧越低。一般淡水水体中，水中的溶解氧主要由两部分构成：一部分是水中植物光合作用释放出来的氧，这是生物造氧，大约占60％左右，另一部分就是要靠水分子运动让空气中的氧气溶解在水分子里面，这就是溶解氧，占40％左右，这也是水溶氧的重要来源。温度越高，水分子之间的间隙就越小，水溶解氧的能力就越差，水中已有的氧分甚至还会被挤出释放到空气中，因此，夏季最高温季节的水体溶氧能力是最差的，也是最容易水体缺氧的，所以夏天必须防范缺氧翻塘。冬季温度很低，即使艳阳高照温度也会在低位，冬季自然水域水体一般是不会缺氧的，相对此时温度高一些的时候，水中鱼儿或许会更舒服一些。
[0005]但是，当前溶解氧浓度预测使用的数据多局限于水体反射光谱，结合环境气象要素的研究甚少，因此，预测的准确性不够，而且水体溶解氧浓度受到环境气象要素的影响，具有明显的区域性差异。

技术实现思路

[0006]基于上述存在的问题，本专利技术提出一种水体溶解氧浓度预测系统，通过智能分析，节省人力、财力，提高水体溶解氧浓度监测的广度、质量和效率。
[0007]本专利技术提供的一种水体溶解氧浓度预测系统，包括特征生成模块、随机森林生成模块、决策树权重计算模块和预测模块，其中，
[0008]特征生成模块，用于获取与水体溶解氧浓度相关的特征；
[0009]随机森林生成模块，用于接收特征生成模块输出的特征，并通过随机森林算法生成随机森林；
[0010]决策树权重计算模块，用于计算随机森林中决策树的权重；
[0011]预测模块，用于接收样本或待测数据，将其输入随机森林，将决策树的输出加权后求和作为预测值。
[0012]进一步地，在特征生成模块中，所述特征包括水体反射光谱特征和气象数据特征。
[0013]进一步地，在特征生成模块中，通过相关系数法计算水体反射光谱特征与溶解氧浓度的相关系数，对相关系数的绝对值排序，选择前面若干相关系数对应的水体反射光谱特征为最终的光谱特征；气象数据特征包括但不限于风速特征、温度特征。
[0014]进一步地，所述相关系数为皮尔逊相关系数。
[0015]进一步地，还包括训练样本生成模块，用于采集多个样点的水体反射光谱、环境气象数据和水样，对获取的数据进行特征提取，拼接后生成特征向量。
[0016]进一步地，训练样本生成模块中，对同一样本采样点获取多条水体反射光谱曲线，然后进行去噪和归一化。
[0017]进一步地，在决策树权重计算模块，包括：
[0018]S31、训练样本数据集的样本总数为p，样本对应溶解氧浓度Y，n为特征生成模块生成的特征的数量，计算每个特征和溶解氧浓度的皮尔逊相关系数，得到皮尔逊相关系数集合R＝{R1,R2,
…
,R
m
},m∈{1,2,
…
,n}；其中，训练样本数据集可以通过训练样本生成模块生成；
[0019]S32、对于每棵决策树h
i
(x)计算权值，公式为：
[0020][0021]式中，p
i
为构建决策树h
i
(x)的所有特征对应的相关系数的绝对值之和，q为构建该决策树使用到的特征数量，R
ij
为决策树h
i
(x)第j个特征所对应的相关系数。
[0022]进一步地，还包括训练模块，用于遍历随机森林中超参数t和q，通过评级机制得到最优的随机森林，包括：
[0023]S41、将t和q的每一种组合输入随机森林生成模块、决策树权重计算模块和预测模块；
[0024]S42、对随机森林输出的预测值利用均方根误差进行评价，均方根误差RMSE最高时的t和q为最终随机森林，RMSE的计算方法为：
[0025][0026]式中：p代表样本数；y
i
表示第i个样本溶解氧实测值；表示第i个样本溶解氧估计值。
[0027]本专利技术所述的一种水体溶解氧浓度预测系统，具有如下有益效果：
[0028](1)在建模过程中考虑环境要素，解决了环境要素对溶解氧浓度反演效果的影响，所构建的预测系统具有预测精度高，对环境差异具有较好适应能力等特点。
[0029](2)对决策树进行权重设置，提高了溶解氧浓度预测精度和效率。
[0030](3)对光谱特征进行筛选，去除相关性小的特征，降低训练数据的冗余度，提高了决策树生成的效率。
附图说明
[0031]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0032]图1为本专利技术一个实施例的预测系统的结构示意图；
[0033]图2为本专利技术一个实施例的预测系统的训练流程示意图。
具体实施方式
[0034]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]本专利技术提出一种水体溶解氧浓度预测系统，如图1所示，包括特征生成模块、随机森林生成模块、决策树权重计算模块和预测模块，其中，
[0036]特征生成模块，用于获取与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水体溶解氧浓度预测系统，其特征在于，包括特征生成模块、随机森林生成模块、决策树权重计算模块和预测模块，其中，特征生成模块，用于获取与水体溶解氧浓度相关的特征；随机森林生成模块，用于接收特征生成模块输出的特征，并通过随机森林算法生成随机森林；决策树权重计算模块，用于计算随机森林中决策树的权重；预测模块，用于接收样本或待测数据，将其输入随机森林，将决策树的输出加权后求和作为预测值。2.根据权利要求1所述的预测系统，其特征在于，在特征生成模块中，所述特征包括水体反射光谱特征和气象数据特征。3.根据权利要求2所述的预测系统，其特征在于，在特征生成模块中，通过相关系数法计算水体反射光谱特征与溶解氧浓度的相关系数，对相关系数的绝对值排序，选择前面若干相关系数对应的水体反射光谱特征为最终的光谱特征；气象数据特征包括但不限于风速特征、温度特征。4.根据权利要求3所述的预测系统，其特征在于，所述相关系数为皮尔逊相关系数。5.根据权利要求1所述的预测系统，其特征在于，还包括训练样本生成模块，用于采集多个样点的水体反射光谱、环境气象数据和水样，对获取的数据进行特征提取，拼接后生成特征向量。6.根据权利要求5所述的预测系统，其特征在于，训练样本生成模块中，对同一样本采样点获取多条水体反射光谱曲线，然后进行去噪和归一化。7.根据权利要求1所述的预测系统，其特征在于，在决策...

【专利技术属性】
技术研发人员：明星，
申请(专利权)人：北京智科远达数据技术有限公司，
类型：发明
国别省市：