【技术实现步骤摘要】
本专利技术涉及环境监测领域，尤其涉及一种基于bp神经网络的油膜厚度预测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
1、海上溢油事件对海洋环境和生态系统造成的破坏日益严重，因此，需要对发生海上溢油事件的海洋进行评估溢油量，并根据评估溢油量制定应急措施和进行环境修复，而评估溢油量中油膜厚度的精确测量至关重要。传统的溢油油膜厚度监测方法主要依赖于反射光的变化和人工观察，该方法不仅效率低下，而且对油膜厚度的测量精度较低。而随着环保意识兴起和遥感技术日趋发达，红外光谱法和合成孔径雷达(sar)等方法日益成为当前主流方法。其中，红外光谱法是通过监测溢油对红外光的吸收和反射特性来进行油膜识别，容易受到环境干扰，如水体的红外吸收和天气条件的影响，且不适用于监测薄油膜；合成孔径雷达(sar)则通过雷达波与油膜的相互作用来监测溢油，不适用于薄油膜和小面积的溢油监测。
2、因此，如何解决目前溢油油膜厚度的预测准确率低下，成为目前亟待解决的技术问题。
技术实现思路
1、本专利技术的主要目的在于提供一种基于bp神经网络的油膜厚度预测方法、装置、设备及计算机可读存储介质，旨在解决目前溢油油膜厚度监测的效率以及精度低下的技术问题。
2、为实现上述目的，本专利技术提供一种基于bp神经网络的油膜厚度预测方法，所述油膜厚度预测方法包括以下步骤：
3、在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号；
4、对所述目标荧光信号进行信号分析，得到所述目标荧
5、基于所述目标周期信号，提取所述溢油油膜对应的油膜特征信息；
6、基于bp神经网络模型以及所述油膜特征信息，对所述溢油油膜对应的油膜厚度进行预测。
7、此外，为实现上述目的，本专利技术还提供一种基于bp神经网络的油膜厚度预测装置，所述基于bp神经网络的油膜厚度预测装置包括：
8、荧光信号获取模块，用于在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号；
9、周期信号生成模块，用于对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号，作为所述目标周期信号；
10、油膜特征提取模块，用于基于所述目标周期信号，提取所述溢油油膜对应的油膜特征信息；
11、油膜厚度预测模块，用于基于bp神经网络模型以及所述油膜特征信息，对所述溢油油膜对应的油膜厚度进行预测。
12、此外，为实现上述目的，本专利技术还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于bp神经网络的油膜厚度预测程序，其中所述基于bp神经网络的油膜厚度预测程序被所述处理器执行时，实现如上述的基于bp神经网络的油膜厚度预测方法的步骤。
13、此外，为实现上述目的，本专利技术还提供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基于bp神经网络的油膜厚度预测程序，其中所述基于bp神经网络的油膜厚度预测程序被处理器执行时，实现如上述的基于bp神经网络的油膜厚度预测方法的步骤。
14、本申请提供一种基于bp神经网络的油膜厚度预测方法，所述方法通过在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号；对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号，作为所述目标周期信号；基于所述目标周期信号，提取所述溢油油膜对应的油膜特征信息；基于bp神经网络模型以及所述油膜特征信息，对所述溢油油膜对应的油膜厚度进行预测。通过上述方式，本申请首先通过紫外荧光法以非接触式测量模式，捕捉溢油油膜对应的荧光信号，减少海水反射或环境光对荧光信号产生影响，在提高荧光信号的捕捉成功率，提高了溢油油膜厚度的预测效率；并进一步引入bp神经网络，预先对油膜厚度与油膜特征数据之间的关系进行学习，然后通过学习后的bp神经网络模型，基于目标荧光信号中提取油膜特征信息，对溢油油膜的油膜厚度进行预测。不仅简化了溢油油膜监测流程，提高了溢油油膜厚度的预测效率，而且提高了油膜厚度预测的准确性以及鲁棒性。
本文档来自技高网...【技术保护点】
1.一种基于BP神经网络的油膜厚度预测方法，其特征在于，所述油膜厚度预测方法包括以下步骤：
2.如权利要求1所述的油膜厚度预测方法，其特征在于，所述对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号，作为所述目标周期信号具体包括：
3.如权利要求1所述的油膜厚度预测方法，其特征在于，所述在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号具体包括：
4.如权利要求3所述的油膜厚度预测方法，其特征在于，所述基于所述目标周期信号，提取所述溢油油膜对应的油膜特征信息具体包括：
5.如权利要求1所述的油膜厚度预测方法，其特征在于，所述对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号具体包括：
6.如权利要求1所述的油膜厚度预测方法，其特征在于，所述基于BP神经网络模型以及所述油膜特征信息，对所述溢油油膜对应的油膜厚度进行预测之前，还包括：
7.如权利要求1-6中任一项油膜厚度预测方法，其特征在于，所述在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号之前，还包括：
<...【技术特征摘要】
1.一种基于bp神经网络的油膜厚度预测方法，其特征在于，所述油膜厚度预测方法包括以下步骤：
2.如权利要求1所述的油膜厚度预测方法，其特征在于，所述对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号，作为所述目标周期信号具体包括：
3.如权利要求1所述的油膜厚度预测方法，其特征在于，所述在监测到溢油信号的情况下，获取溢油油膜对应的目标荧光信号具体包括：
4.如权利要求3所述的油膜厚度预测方法，其特征在于，所述基于所述目标周期信号，提取所述溢油油膜对应的油膜特征信息具体包括：
5.如权利要求1所述的油膜厚度预测方法，其特征在于，所述对所述目标荧光信号进行信号分析，得到所述目标荧光信号对应的周期信号具体包括：
6.如权利要求1所述的油膜厚度预测方法，其特征在于，所述基于bp神经网络模型以及所述油膜特征信息，对所述溢油油膜对应的油膜厚度进行预测之...
【专利技术属性】
技术研发人员：庞志，江家正，蓝远俊，梁海燕，杨建洪，陈鹏凯，徐丽君，张文杰，
申请(专利权)人：深圳市朗诚科技股份有限公司，
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。