【技术实现步骤摘要】
本专利技术涉及水质监测数据自动审核与水质预测领域，尤其涉及基于大数据融合的近岸海域水质问题挖掘及预警预报方法、系统、电子设备及计算机可读存储介质。
技术介绍
1、海洋是人类发展重要的物质来源，也是经济发展的重要支撑，充分了解近岸海域海洋环境质量及变化趋势，对服务区域海洋经济发展至关重要。
2、“手工采样—实验室分析”的常规监测频次较低，且无法满足近岸海域环境管理需要，为此，在重点海域水质在线监测系统得以逐步建立并完善，其长期运营积累了大量的监测数据，但目前关于海洋监测数据的审核方法研究较少，尚没有一套完整的针对海域水质监测数据审核规则的指导文件，《近岸海域水质自动监测技术规范》(hj731-2014)仅对数据有效性提出了简单规定。若能充分发挥海上自动监测站高时间分辨率和空间分辨率的优势，优化审核方法提高监测数据质量，挖掘潜在水质问题，开展水质预测预报，对于支撑近岸海域水质保护与管理具有重要意义。
技术实现思路
1、本专利技术提出一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法、系统、电子设备及计算机可读存储介质，本专利技术的目的在于，充分利用近岸海域在线监测数据，升级自动审核方法，提高监测数据质量同时挖掘潜在水质问题，开展水质预测预报，支撑目标区域近岸海域水质保护与管理提供依据。
2、根据本专利技术提出一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，所述方法包括如下步骤：
3、步骤s1：获取近岸海域水质在线监测数据，对所述在线监测数
4、步骤s2：构建水质在线监测数据自动审核模型，所述自动审核模型经过训练和验证且满足预测准确度要求，将步骤s1的标准数据表输入自动审核模型，对每个水质参数均进行自动审核，以挖掘水质问题；
5、步骤s3：水质自动审核结果输出，包括水质问题类型、问题站点、问题水质参数、问题时段；
6、步骤s4：构建小时分辨率及日分辨率水质预测模型，基于步骤s1的标准数据表，融合海水水质自动监测站潮汐数据、天气数据对一定时间后的未来水质参数进行预测，对于不同站点不同水质参数，设计不同输入内容的预测模型，并以平均绝对值百分比误差(meanabso l ute percentage error,mape)为各站点各水质参数评价模型的预测准确度，确定最优预测模型；
7、步骤s5：基于步骤s4的水质参数最优预测结果，达到预设阈值条件即进行预警。
8、优选地，所述步骤s1中水质自动监测数据初步处理具体包括如下步骤：
9、步骤s2.1：将数据表的站点名称、时间格式、水质参数名称转化为特定的格式，以满足自动审核识别要求；
10、步骤s2.2：清除数据表中数据值后的标记位字符，将一列数据都转换为数字；
11、步骤s2.3：对数据表中数据超出量程范围的异常值进行识别，并用空值代替；
12、步骤s2.4：获取数据表的时间分辨率。
13、优选地，所述步骤s2中水质在线监测数据自动审核模型包括但不限于以下类别：
14、(1)水质参数恒定不变：某一水质参数连续n1个数据值恒定不变；
15、(2)藻类增殖：ph大于等于c1且溶解氧大于等于c2且叶绿素大于等于c3；
16、(3)水质异常：ph小于c4或大于c5，或溶解氧小于c6或大于c7，或活性磷酸盐大于c8，或总氮大于c9；
17、(4)水质可疑：连续n2个时间点亚硝酸盐小于c10。
18、优选地，所述步骤s4中构建小时分辨率及日分辨率水质预测模型，使用的机器学习模型包括：
19、(1)线性模型：线性模型根据目标水质参数与其他一个或多个水质参数间的线性关系来预测连续目标；
20、(2)随机森林模型：随机森林模型是统计每个向量(x)与其所属分类(y)的关系的模型，其优点在于对于训练集中覆盖的向量能准确地给出其与所属分类的关系。
21、根据本专利技术还提出一种基于大数据融合的近岸海域水质问题挖掘及预警预报系统，所述系统包括如下模块：
22、模块m1：水质在线监测数据获取及标准化模块，用于获取近岸海域水质在线监测数据，对所述在线监测数据进行初步处理形成标准数据表，得到满足自动审核要求的标准数据表；
23、模块m2：水质数据自动审核及问题挖掘模块，用于基于构建的水质在线监测数据自动审核模型，对模块m1标准数据表中每个水质参数均进行自动审核，以挖掘水质问题；
24、模块m3：水质问题输出模块，用于输出水质自动审核结果，包括水质问题类型、问题站点、问题水质参数、问题时段；
25、模块m4：水质参数预测模块，用于采用构建的小时分辨率及日分辨率水质预测模型，所述自动审核模型经过训练和验证且满足预测准确度要求，基于模块m1的标准数据表，融合海水水质自动监测站潮汐数据、天气数据对一定时间后的未来水质参数进行预测；
26、模块m5：水质预警预报模块，用于模块m4的水质参数预测结果达到一定阈值条件后进行预警预报。
27、优选地，所述模块m2包括如下模块：
28、模块m2.1：将数据表的站点名称、时间格式、水质参数名称转化为特定的格式，以满足自动审核识别要求；
29、模块m2.2：清除数据表中数据值后的标记位字符，将一列数据都转换为数字；
30、模块m2.3：对数据表中数据超出量程范围的异常值进行识别，并用空值代替；
31、模块m2.4：获取数据表的时间分辨率。
32、优选地，所述模块m2中构建的水质在线监测数据自动审核模型包括但不限于以下类别：
33、(1)水质参数恒定不变：某一水质参数连续n1个数据值恒定不变；
34、(2)藻类增殖：ph大于等于c1且溶解氧大于等于c2且叶绿素大于等于c3；
35、(3)水质异常：ph小于c4或大于c5，或溶解氧小于c6或大于c7，或活性磷酸盐大于c8，或总氮大于c9；
36、(4)水质可疑：连续n2个时间点亚硝酸盐小于c10。
37、本专利技术还提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的基于大数据融合的近岸海域水质问题挖掘及预警预报方法。
38、本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的基于大数据融合的近岸海域水质问题挖掘及预警预报方法。
39、与现有技术相比，本专利技术具有如下有益的技术效果：
40、1、本专利技术对现有水质在线监测数据自动审核方法进行升级优化，补充构建水质数据自动审核模型，提高监测数据质量的同时挖掘潜在水质问题；
41、2、本专利技术融合了潮汐数本文档来自技高网...
【技术保护点】
1.一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤S1中水质自动监测数据初步处理具体包括如下步骤：
3.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤S2中水质在线监测数据自动审核模型至少包括：
4.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤S4中构建小时分辨率及日分辨率水质预测模型，使用的机器学习模型包括：
5.一种基于大数据融合的近岸海域水质问题挖掘及预警预报系统，其特征在于，包括如下模块：
6.根据权利要求5所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报系统，其特征在于，所述模块M2包括如下模块：
7.根据权利要求5所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报系统，其特征在于，所述模块M2中构建的水质在线监测数据自动审核模型包括但不限于以下类别
8.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的基于大数据融合的近岸海域水质问题挖掘及预警预报方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的基于大数据融合的近岸海域水质问题挖掘及预警预报方法。
...【技术特征摘要】
1.一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤s1中水质自动监测数据初步处理具体包括如下步骤：
3.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤s2中水质在线监测数据自动审核模型至少包括：
4.根据权利要求1所述的一种基于大数据融合的近岸海域水质问题挖掘及预警预报方法，其特征在于，所述步骤s4中构建小时分辨率及日分辨率水质预测模型，使用的机器学习模型包括：
5.一种基于大数据融合的近岸海域水质问题挖掘及预警预报系统，其特征在于，包括如下模块：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：柏育材，徐喆枫，徐慧，程金平，王志健，徐亚岩，夏微微，倪启国，
申请(专利权)人：中海环境科技上海股份有限公司，
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。