[发明专利]一种养殖水体氨氮的软测量方法及装置

权利要求书

1.一种养殖水体氨氮的软测量方法，其特征在于，包括：

获取预定时间段内水体的水质数据和气象数据；

对所述水质数据和气象数据进行预处理，获得不同类型的预处理样本集；

利用FEEMD方法将所述不同类型的预处理样本集分解为不同类型多个尺度的若干个固有模态分量和一个余量；

将不同类型同一尺度的固有模态分量和余量分别输入至目标MFO-LSSVM模型，循环若干次直至所有尺度都输入完毕，获得各类型多个尺度的多个输出值；其中，所述目标MFO-LSSVM模型是通过利用MFO方法对LSSVM模型的模型参数寻优，并利用训练样本集进行训练后得到；

将各类型不同尺度的多个输出值分别相加，获得氨氮测量结果；

其中，所述利用FEEMD方法将所述不同类型的预处理样本集分解为不同类型多个尺度的若干个固有模态分量和一个余量，包括：

将水体温度a(x)、pH值b(x)、溶解氧含量c(x)、大气压强d(x)的同一时刻的值分解成若干个固有模态分量和一个余量：

r_a、r_b、r_c和r_d分别为水体温度a(x)、pH值b(x)、溶解氧含量c(x)、大气压强d(x)分解后的余量；a_i(x)、b_i(x)、c_i(x)和d_i(x)分别为水体温度a(x)、pH值b(x)、溶解氧含量c(x)、大气压强d(x)分解后的第i个固有模态分量；n为固有模态分量的数量；

其中，获得所述目标MFO-LSSVM模型的过程包括：

利用MFO方法对LSSVM模型的模型参数进行寻优，获得最优模型参数；所述模型参数包括核带宽和正则化参数；

将所述最优模型参数输入至LSSVM模型，获得初始MFO-LSSVM模型；

利用FEEMD方法，将不同类型的训练样本集分别分解为不同尺度的若干个固有模态分量和一个余量；所述训练样本集包括预设时间段内水体的部分水质数据和气象数据；

将所述不同类型同一尺度固有模态分量和余量分别输入至所述初始MFO-LSSVM模型中进行训练，直至满足预设终止条件，获得目标MFO-LSSVM模型；

其中，所述目标MFO-LSSVM模型的公式为：

x为训练样本集中的样本，Y(x)为模型的氨氮输出值，α_i为拉格朗日乘子，参数b是α_i的偏差值，为所述LSSVM模型的径向基函数，c_i为径向基函数的中心；σ为核函数的带宽；

其中，所述利用MFO方法对LSSVM模型的模型参数进行寻优，包括：

设置寻优参数和适应度函数，所述寻优参数包括飞蛾和火焰的数量、变量数量、最大迭代次数、寻优下限、和寻优上限；

根据所述寻优参数和适应度函数，对LSSVM模型的模型参数进行迭代优化，直至迭代次数达到预设阈值，获得最优模型参数。

2.根据权利要求1所述的方法，其特征在于，所述对所述水质数据和气象数据进行预处理，获得预处理数据，包括：剔除异常数据、线性插值填补缺失数据、相关性分析以及归一化处理。

3.根据权利要求1所述的方法，其特征在于，所述水质数据包括水体温度、pH值、溶解氧含量和盐度。

4.根据权利要求1所述的方法，其特征在于，所述气象数据包括大气压强、大气温度、湿度和风速。

5.根据权利要求1所述的方法，其特征在于，所述训练样本集中的数据占总采集样本的80％。