【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及基于分布式传感单元的水生态智能监测方法与系统。
技术介绍
1、水生态检测是保障水资源安全、维护生态平衡的关键，由于水域面积较大，所以在进行水生态检测时，需要在水域中布置分布式传感单元，通过分布式传感单元采集的数据的分析，对水生态进行评价监测。
2、在对分布式传感单元采集的数据进行分析过程中，目前常用局部异常因子检测算法对获取的数据进行异常检测，局部异常因子检测算法通过数据的局部密度进行异常检测，当分布式传感单元所在区域的水生态指数具体离群的特征时，则会将离群的水生态指数对应的区域判定为异常区域；但是由于水域的异常变化具有扩散性，异常变化的扩散起始点附近的分布式传感单元的水生态指数都比较偏离正常的水生态指数，且偏离的方向较为相似，导致偏离的水生态指数的密度增大，使得局部异常因子检测算法的结果受到影响，部分异常的水域无法被发现，导致水生态监测结果不准确。
技术实现思路
1、本专利技术提供基于分布式传感单元的水生态智能监测方法与系统，以解决现有的问题。
2、本专利技术的基于分布式传感单元的水生态智能监测方法与系统采用如下技术方案：
3、本专利技术提出了基于分布式传感单元的水生态智能监测方法，该方法包括以下步骤：
4、获得每个分布式采集单元在每个采样时刻的水生态指数，并构建每个分布式传感单元的水生态指数序列；
5、根据第一个采样时刻的分布式采集单元之间的水生态指数的密度差异，得到第一个采样时刻的若干
6、根据每个关联异常传感单元的水生态指数序列的元素值的波动变化，得到每个关联异常传感单元的水生态异常可能性；
7、根据每个关联异常传感单元的水生态异常可能性，以及每个分布式传感单元的位置和水生态指数的密度差异，得到若干生态异常传感单元；对所有生态异常传感单元，进行水生态的智能监测。
8、进一步地，所述根据第一个采样时刻的分布式采集单元之间的水生态指数的密度差异，得到第一个采样时刻的若干生态异常传感单元，包括的具体步骤如下：
9、以分布式传感单元所在的位置为一个维度，分布式传感单元在安装后的第一个采样时刻的水生态指数为一个维度，构建二维lof空间，将所有分布式传感单元在第一个采样时刻的水生态指数映射到该二维lof空间中，每个分布式传感单元对应该二维lof空间中的一个数据点；利用局部异常因子检测算法对该二维lof空间中的数据点进行异常检测，得到第一个采样时刻的若干异常特征数据点，将任意一个异常特征数据点对应的分布式传感单元记为一个生态异常传感单元。
10、进一步地，所述根据任意时刻的前一时刻的生态异常传感单元的分布和水生态指数的密度差异，得到所述任意时刻的关联疑似异常点及其异常因子，包括的具体步骤如下：
11、在水生态持续监测过程中，将任意一个采样时刻记为目标时刻；将目标时刻的前一采样时刻记为参考时刻；根据分布式传感单元的位置、水生态指数以及采样时间，建立三维lof空间；将参考时刻的任意一个生态异常传感单元在该三维lof空间中对应的数据点，记为目标时刻的一个参考异常点；在三维lof空间中，将任意一个参考异常点的第距离邻域内的任意一个数据点，记为该参考异常点的特征数据点，在该参考异常点的所有特征数据点中，将属于目标时刻的特征数据点记为该参考异常点的关联疑似异常点；其中，为预设的邻域距离参数；
12、根据参考异常点和参考异常点的关联疑似异常点的水生态指数的相似性和局部的密度相似性，得到参考异常点的关联疑似异常点的异常因子。
13、进一步地，所述根据参考异常点和参考异常点的关联疑似异常点的水生态指数的相似性和局部的密度相似性，得到参考异常点的关联疑似异常点的异常因子，包括的具体计算方式为：
14、
15、式中，为第个参考异常点的第个关联疑似异常点的异常因子；为第个参考异常点的水生态指数；为第个参考异常点的第个关联疑似异常点的水生态指数；为预设的邻域距离指标；为在三维lof空间中，第个参考异常点的第距离邻域内数据点的数量；为在三维lof空间中，第个参考异常点的第个关联疑似异常点的第距离邻域内数据点的数量；为在三维lof空间中，第个参考异常点的第个关联疑似异常点与其第距离邻域内第个数据点之间的欧氏距离；为在三维lof空间中，第个参考异常点与其第距离邻域内第个数据点之间的欧氏距离；为绝对值函数；为以自然常数为底的指数函数。
16、进一步地，所述根据分布式传感单元的位置、水生态指数以及采样时间，建立三维lof空间，包括的具体步骤如下：
17、以分布式传感单元所在的位置为一个维度，采样时间为一个维度，分布式传感单元的水生态指数为一个维度，建立三维lof空间，根据每个分布式传感单元的位置以及水生态指数序列，将所有分布式传感单元映射到该三维lof空间中，每个分布式传感单元对应该三维lof空间中的一个数据点。
18、进一步地，所述根据每个关联异常传感单元的水生态指数序列的元素值的波动变化，得到每个关联异常传感单元的水生态异常可能性，包括的具体步骤如下：
19、获取任意一个关联异常传感单元的水生态指数序列的所有极值，将所有相邻极值的差值绝对值构成的序列，记为该关联异常传感单元的水生态极差序列；将该关联异常传感单元的水生态极差序列均等划分为个序列段，将每个序列段记为关联异常传感单元的极差子序列；其中，为预设的序列段数目；根据该关联异常传感单元的水生态极差序列中最后若干个元素值和该关联异常传感单元的极差子序列的整体元素值差异，得到每个关联异常传感单元的水生态异常可能性。
20、进一步地，所述根据每个关联异常传感单元的水生态异常可能性，以及每个分布式传感单元的位置和水生态指数的密度差异，得到若干生态异常传感单元，包括的具体步骤如下：
21、根据关联异常传感单元的水生态异常可能性进行筛选得到若干真实异常传感单元；利用局部异常因子检测算法对三维lof空间中的数据点进行异常检测，得到若干异常数据点；将属于目标时刻的任意一个异常数据点对应的分布式传感单元记为一个特征异常传感单元；将所有真实异常传感单元和特征异常传感单元统称为生态异常传感单元。
22、进一步地，所述根据关联异常传感单元的水生态异常可能性进行筛选得到若干真实异常传感单元，包括的具体步骤如下：
23、将水生态异常可能性大于或等于预设的可能性阈值的关联异常传感单元，记为真实异常传感单元。
24、进一步地，所述构建每个分布式传感单元的水生态指数序列，包括的具体步骤如下：
25、将任意一个分布式传感单元在最近一年内所有采样时刻对应的水生态指数构成的时序序列，记为该分布式传感单元的水生态指数序列。
本文档来自技高网...
【技术保护点】
1.基于分布式传感单元的水生态智能监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据第一个采样时刻的分布式采集单元之间的水生态指数的密度差异，得到第一个采样时刻的若干生态异常传感单元，包括的具体步骤如下：
3.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据参考异常点和参考异常点的关联疑似异常点的水生态指数的相似性和局部的密度相似性，得到参考异常点的关联疑似异常点的异常因子，包括的具体计算方式为：
4.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据分布式传感单元的位置、水生态指数以及采样时间，建立三维LOF空间，包括的具体步骤如下：
5.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据每个关联异常传感单元的水生态指数序列的元素值的波动变化，得到每个关联异常传感单元的水生态异常可能性，包括的具体步骤如下：
6.根据权利要求4所述基于分布式传感单元的水生态智能
7.根据权利要求6所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据关联异常传感单元的水生态异常可能性进行筛选得到若干真实异常传感单元，包括的具体步骤如下：
8.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述构建每个分布式传感单元的水生态指数序列，包括的具体步骤如下：
9.基于分布式传感单元的水生态智能监测系统，包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-8任一项所述的基于分布式传感单元的水生态智能监测方法的步骤。
...【技术特征摘要】
1.基于分布式传感单元的水生态智能监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据第一个采样时刻的分布式采集单元之间的水生态指数的密度差异，得到第一个采样时刻的若干生态异常传感单元，包括的具体步骤如下：
3.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据参考异常点和参考异常点的关联疑似异常点的水生态指数的相似性和局部的密度相似性，得到参考异常点的关联疑似异常点的异常因子，包括的具体计算方式为：
4.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据分布式传感单元的位置、水生态指数以及采样时间，建立三维lof空间，包括的具体步骤如下：
5.根据权利要求1所述基于分布式传感单元的水生态智能监测方法，其特征在于，所述根据每个关联异常传感单元的水生态指数序列的元素值的波动变化，得到每个关联...
【专利技术属性】
技术研发人员：李玉璞，赵雪，崔贺民，李哲民，娄英斌，杨萌，陈鑫，李长虹，
申请(专利权)人：大连中汇达科学仪器有限公司，
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。