【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种氨氮浓度预测模型的构建方法及系统，以及基于所述氨氮浓度预测模型进行的氨氮浓度预测方法及系统。
技术介绍
1、随着社会经济的快速发展，人们面临着日益严重的水环境问题，富营养化水体中的蓝藻水华问题日益引起公众和学术界的关注。这一问题不仅对水生动植物构成潜在风险，还会扰乱饮用水供应，并对地表水生态系统造成严重破坏。氨氮(nh3-n)作为蓝藻生长所需的关键营养物质，分析nh3-n浓度可用于评估水生生态系统的状况。因此，对nh3-n浓度的准确预测对于开展水质预警决策活动和制定污水处理标准具有至关重要的意义。
2、现今往往基于生化动力学的机理模型进行nh3-n浓度的预测，但机理模型需要大量数据资料建立并求解水质控制方程，使得模型的复杂度较高，参数难以确定，在水体的应用中存在一定的局限性。
技术实现思路
1、本专利技术针对现有机理模型复杂度较高，参数难以确定，在水体的应用中均有一定局限性的问题，提供了一种氨氮浓度预测模型的构建方法，以及一种基于所构建的氨氮浓度预测模型所进行的氨氮浓度预测方法。
2、为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
3、一种氨氮浓度预测模型的构建方法，包括以下步骤：
4、获取氨氮浓度样本数据，通过remd(鲁棒经验模态分解)对所述氨氮浓度样本数据进行分解，获得若干个第一模态分量；
5、计算各第一模态分量的模糊熵，将模糊熵最大的第一模态分量作为第二模态分量，
6、利用vmd(变分模态分解)对所述第二模态分量进行分解，将所得分解结果作为第二训练数据；
7、基于所述第一训练数据和所述第二训练数据对lstm长短期记忆网络进行训练，获得氨氮浓度预测模型。
8、作为一种可实施方式：
9、基于所述氨氮浓度样本数据进行若干次分解，每次分解基于相应的初始信号进行若干次迭代提取，直至满足预设的完成条件，获得相应的第一模态分量，并基于所述第一模态分量更新所述初始信号；初次分解时将所述氨氮浓度样本数据作为初始信号；
10、完成条件包括第一条件和第二条件，达成所述第一条件或第二条件判定对应分解步完成；
11、第一条件为迭代次数达到预设的迭代次数阈值；
12、第二条件为{|nzp-nep|≤1}&{(fk＞fk-1)&(fk-1＞fk-2)}；
13、其中：
14、nzp表示零点；
15、nep表示极值点；
16、k表示当前迭代步所对应的迭代次数；
17、f表示相应的停止判定参数；
18、当前迭代步所对应的停止判定参数的获取方法为：
19、于当前迭代步中，获取当前分解步所对应信号分量；当前分解步中，所对应的初始信号每经一次迭代提取，获得一信号分量；
20、获取所述信号分量所对应的均方根；
21、获取所述信号分量所对应的超额峰度；
22、基于所述均方根和所述超额峰度生成当前迭代步所对应的停止判定参数。
23、作为一种可实施方式：
24、迭代提取的具体步骤为：
25、获取第一待处理信号，初次进行迭代处理时将相应的初始信号作为第一待处理信号；
26、计算所述第一待处理信号所对应的均值包络线；
27、基于所述均值包络线和所述第一待处理信号生成第二待处理信号，所述第二待处理信号为下一迭代步所对应的第一待处理信号；
28、将所述均值包络线作为当前迭代步所对应的信号分量，计算相应的停止判断参数；
29、判断是否达成第一条件；
30、当达成第一条件时，判定当前分解步完成，将所述第二待处理信号作为所分解的第一模态分量；
31、当未达成第一条件时，判断是否达成第二条件；
32、当达成第二条件时，判定当前分解步完成，将上一迭代步所采用的第一待处理信号作为所分解的第一模态分量。
33、作为一种可实施方式：
34、当前分解步完成后，基于所得第一模态分量更新当前分解步所使用的初始信号；
35、当更新后的初始信号单调或为常值时，判定remd分解结束，否则进入下一分解步，基于更新后的初始信号进行若干次迭代提取，以获得相应的第一模态分量。
36、作为一种可实施方式：
37、所述vmd基于分解个数和惩罚因子对所述第二模态分量进行分解，获得与所述分解个数相对应的若干个第三模态分量，将各第三模态分量作为第二训练数据；
38、基于ga算法对vmd进行参数寻优，获得所述分解个数和所述惩罚因子。
39、作为一种可实施方式：
40、创建染色体种群，配置分解个数和惩罚因子所对应的vmd参数作为种群迭代参数；
41、基于所述染色体种群进行迭代寻优，每次迭代过程均获得相应的候选组合参数，并令所得候选组合参数进入局部极小值，直至迭代寻优的次数达到预设的迭代寻优次数阈值，从局部极小值中选取最小值对应的候选组合参数作为最优组合参数；
42、迭代寻优过程包括以下步骤：
43、获取当前迭代寻优步所对应的染色体种群，初次迭代寻优使用所构建的染色体种群；
44、利用vmd算法对所述染色体种群进行分解，获得若干个种群模态分量；
45、计算各种群模态分量的包络熵值，基于包络熵值的最小值所对应的分解个数和惩罚因子，构建候选组合参数并进入局部极小值；
46、对所述染色体种群进行交叉和变异操作，将更新后的染色体种群供下一次迭代寻优使用。
47、作为一种可实施方式：
48、获取原始监测数据，对所述原始监测数据进行数据预处理获得氨氮浓度样本数据；
49、所述数据预处理包括以下步骤：
50、采用前向插值法进行缺失数据填充；
51、采用3σ原则识别异常值并处理；
52、采用最大最小值归一化对相应数据进行归一化处理。
53、本专利技术还提出一种氨氮浓度预测模型的构建系统，包括：
54、第一分解模块，用于获取氨氮浓度样本数据，通过remd对所述氨氮浓度样本数据进行分解，获得若干个第一模态分量；
55、模糊熵计算模块，用于计算各第一模态分量的模糊熵，将模糊熵最大的第一模态分量作为第二模态分量，并将其余第一模态分量作为第一训练数据；
56、第二分解模块，用于利用vmd对所述第二模态分量进行分解，将所得分解结果作为第二训练数据；
57、训练模块，用于基于所述第一训练数据和所述第二训练数据对lstm长短期记忆网络进行训练，获得氨氮浓度预测模型。
58、本专利技术还提出一种氨氮浓度预测方法，包括以下步骤：
59、获取目标氨氮浓度数据，通过r本文档来自技高网...
【技术保护点】
1.一种氨氮浓度预测模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的氨氮浓度预测模型的构建方法，其特征在于：
3.根据权利要求2所述的氨氮浓度预测模型的构建方法，其特征在于：
4.根据权利要求2或3所述的氨氮浓度预测模型的构建方法，其特征在于：
5.根据权利要求1所述的氨氮浓度预测模型的构建方法，其特征在于：
6.根据权利要求5所述的氨氮浓度预测模型的构建方法，其特征在于：
7.根据权利要求1所述的氨氮浓度预测模型的构建方法，其特征在于：
8.一种氨氮浓度预测模型的构建系统，其特征在于，包括：
9.一种氨氮浓度预测方法，其特征在于，包括以下步骤：
10.一种氨氮浓度预测系统，其特征在于，包括：
【技术特征摘要】
1.一种氨氮浓度预测模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的氨氮浓度预测模型的构建方法，其特征在于：
3.根据权利要求2所述的氨氮浓度预测模型的构建方法，其特征在于：
4.根据权利要求2或3所述的氨氮浓度预测模型的构建方法，其特征在于：
5.根据权利要求1所述的氨氮浓度预测模型的构建方法...
【专利技术属性】
技术研发人员：焦建格，徐希龙，黄森军，高正本，王晨，
申请(专利权)人：中国计量大学，
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。