【技术实现步骤摘要】
本专利技术涉及数据融合，更具体地说，本专利技术涉及一种基于数据融合的海洋水域资源利用监测方法。
技术介绍
1、海洋水域资源利用是指人类在海洋中获取和使用各种资源的活动，包括渔业资源、矿产资源、能源资源及旅游资源等。
2、数据融合是一种将来自多个源的数据结合起来，以获得更完整、更准确的信息的技术。在数据融合过程中，不同格式、不同来源的数据被整合和分析，以提取更有价值的信息和知识。
3、申请公开号cn108803510a的中国专利公开了一种基于深度学习的海洋环境数据清洗及融合方法及系统，通过多个传感器采集海洋环境参数，利用基于深度学习对数据预处理，实现观测数据的清洗和转换，动态调整数据采样频率和传感器节点位置，以适应动态变化的数据融合需求和低功耗的需求。
4、但海洋数据过于庞杂，上述专利未能有效兼顾到海洋资源数据的全面性、实时性与准确性，对于海洋水域资源的利用情况未能更加均衡的监测。
5、鉴于此，本专利技术提出一种基于数据融合的海洋水域资源利用监测方法以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于数据融合的海洋水域资源利用监测方法。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于数据融合的海洋水域资源利用监测方法，包括：
4、收集一级海洋特征数据、二级海洋特征数据与三级海洋特征数据；三级海洋特征数据包括渔船航迹数据、渔获量、海洋垃圾表面面积
5、基于二级海洋特征数据计算海洋能量评估值；
6、收集海域面积，并结合渔船航迹数据生成有效捕捞比；
7、基于三级海洋特征数据、有效捕捞比与海洋垃圾监测数据，生成海洋使用评估值；
8、将海洋使用评估值与预设的使用评估阈值对比，海洋使用评估阈值包括一级使用评估阈值与二级使用评估阈值，一级使用评估阈值小于二级使用评估阈值，当海洋使用评估值大于等于二级使用评估阈值时，生成第一调节指令；当海洋使用评估值小于一级使用评估阈值时，生成第二调节指令；
9、基于一级海洋特征数据、海洋能量评估值与海洋使用评估值进行初级数据校正；
10、使用小波变换对初级数据校正后的一级海洋特征数据、海洋能量评估值与海洋使用评估值进行高级校正；
11、收集海域临近城市gdp值；基于一级海洋特征数据、海洋能量评估值、海洋使用评估值与海域临近城市gdp值训练实时预测城市gdp值的机器学习模型；
12、将海域临近城市实际gdp值与机器学习模型预测的海域临近城市gdp值对比，生成强化第一调节指令与强化第二调节指令。
13、优选的，渔船航迹数据为渔船在海上的捕捞轨迹；
14、以捕捞轨迹为圆心移动轨迹，绘制连续的圆形，圆形半径为250米，将绘制面积作为捕捞有效面积，同时收集海域面积；将捕捞有效面积与海域面积比值作为有效捕捞比；
15、优选的，一级海洋特征数据包括海洋表面温度、叶绿素浓度与海洋盐度；
16、二级海洋特征数据包括海洋密度、海洋流速、波浪高度和波浪周期；
17、波浪周期是指海洋波浪通过一个点所需的时间；
18、海洋能量评估值；式中，为海洋密度，为重力加速度，h为波浪高度，t为波浪周期，a固定设置为10000；v为海洋流速；
19、渔获量是指在一定时间内，从海洋中捕获的鱼类的总数量；
20、海洋使用评估值；式中，为有效捕捞比，为渔获量，为海洋垃圾监测数据。
21、优选的，初级校正的过程包括：
22、数据清洗；使用统计方法检测并剔除异常值；统计方法为z-score；
23、将z-score超过3或小于-3的数据点被视为异常值并剔除；
24、对于海洋表面温度与海洋盐度，设置海洋表面温度数据区间在-2°c到35°c，盐度区间在30 psu到40 psu，超出区间的数据标记为为错误数据，替换为左右邻近值的平均值；
25、过滤噪声；使用移动平均算法对一级海洋特征数据、海洋能量评估值与海洋使用评估值进行平滑处理；
26、数据标准化；将一级海洋特征数据、海洋能量评估值与海洋使用评估值单位统一、格式统一以及空间坐标系统一。
27、优选的，移动平均算法的步骤包括：
28、定义窗口大小；确定移动平均的窗口大小n，即连续n个点的平均值将被计算；
29、计算平均值；对于时间序列中的每个点，取其前后共n个点的数据，计算平均值；
30、更新平均值；计算出新的平均值后，将窗口向前移动一个值，丢弃最旧的点，加入新的点，再次计算平均值；
31、重复上述步骤，直至处理完数据，获得平滑曲线；将计算出的平均值连接起来，得到平滑后的时间序列曲线。
32、优选的，小波变换的过程包括：
33、确定小波基函数：构建小波序列；根据选定的基函数，构造出小波序列，该序列包含了不同尺度上的小波函数；实施小波分解；将原始的一级海洋特征数据、海洋能量评估值与海洋使用评估值与小波序列进行卷积运算，得到一系列小波系数；处理小波系数；对小波系数进行阈值去噪与压缩编码；重构信号；根据处理后的小波系数，通过逆变换过程重构出新的数据；
34、当海域临近城市有多个时，获取多个海域临近城市的gdp平均值。
35、优选的，所述机器学习模型的训练过程包括：
36、将一组同一时间段的一级海洋特征数据、海洋能量评估值、海洋使用评估值转化为特征向量，将所述时间段内的海域临近城市gdp值作为特征向量对应的标签，将每组特征向量和与每组特征向量对应的标签构建为一个样本，收集多个样本构建为数据集；所述数据集分为训练集、验证集和测试集，其中训练集占数据集的70%，验证集和测试集各占数据集的15%；
37、将训练集作为机器学习模型的输入，所述机器学习模型以海域临近城市gdp值作为输出；以实时的一组特征向量所对应的海域临近城市gdp值作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练；
38、所述机器学习模型损失函数为均方误差；均方误差通过将损失函数
39、最小化为目标来训练模型；损失函数中mse为损失函数值，i为特征向量组号；u为特征向量组数；为第i组特征向量对应的标签，为第i组特征向量预测的海域临近城市gdp值；所述机器学习模型为深度神经网络模型；
40、深度神经网络模型隐藏层h的计算方式包括：
41、；式中，h是隐藏层的输出；g是激活函数；是隐藏层的偏置项；是隐藏层的权重；s是激活函数；是上一层的偏置项；是上一层的权重；x是输入的训练集；
42、深度层神经网络模型由4个全连接层构成，前3个隐藏层分别本文档来自技高网...
【技术保护点】
1.一种基于数据融合的海洋水域资源利用监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数据融合的海洋水域资源利用监测方法，其特征在于，渔船航迹数据为渔船在海上的捕捞轨迹；
3.根据权利要求2所述的一种基于数据融合的海洋水域资源利用监测方法，一级海洋特征数据包括海洋表面温度、叶绿素浓度与海洋盐度；
4.根据权利要求3所述的一种基于数据融合的海洋水域资源利用监测方法，初级校正的过程包括：
5.根据权利要求4所述的一种基于数据融合的海洋水域资源利用监测方法，移动平均算法的步骤包括：
6.根据权利要求5所述的一种基于数据融合的海洋水域资源利用监测方法，小波变换的过程包括：
7.根据权利要求6所述的一种基于数据融合的海洋水域资源利用监测方法，所述机器学习模型的训练过程包括：
8.根据权利要求7所述的一种基于数据融合的海洋水域资源利用监测方法，当海域临近城市实际GDP值大于等于预测的海域临近城市GDP值的1.25倍时，标记为过度海洋资源利用，生成强化第一调节指令；海域临近城市实际GDP值小于预测
9.根据权利要求8所述的一种基于数据融合的海洋水域资源利用监测方法，第一调节指令包括，立刻停止渔业开采和垃圾投放；
10.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
11.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～9任意一项所述的一种基于数据融合的海洋水域资源利用监测方法。
...【技术特征摘要】
1.一种基于数据融合的海洋水域资源利用监测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数据融合的海洋水域资源利用监测方法，其特征在于，渔船航迹数据为渔船在海上的捕捞轨迹；
3.根据权利要求2所述的一种基于数据融合的海洋水域资源利用监测方法，一级海洋特征数据包括海洋表面温度、叶绿素浓度与海洋盐度；
4.根据权利要求3所述的一种基于数据融合的海洋水域资源利用监测方法，初级校正的过程包括：
5.根据权利要求4所述的一种基于数据融合的海洋水域资源利用监测方法，移动平均算法的步骤包括：
6.根据权利要求5所述的一种基于数据融合的海洋水域资源利用监测方法，小波变换的过程包括：
7.根据权利要求6所述的一种基于数据融合的海洋水域资源利用监测方法，所述机器学习模型的训练过程包括...
【专利技术属性】
技术研发人员：温明明，冯诗涵，陈权，谢嘉慧，
申请(专利权)人：广东海洋大学，
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。