[发明专利]一种基于人工智能及随机自适应阈值的湿地预警方法

说明书

本发明公开了一种基于人工智能及随机自适应阈值的湿地预警方法，应用循环迭代的原理，建立一个随机自适应参数学习模块，使预警系统拥有自适应调节功能。考虑湿地水系统所面临的众多不确定性，将不确定性量化理论(随机)应用于随机自适应阈值的构建，并使用正常阈值参数概率密度函数(PDF)及正常阈值参数累积分布密度函数(CDF)等概念将随机不确定性进行定量化，使用遗人工智能算法以保证实时预警的反应效率。利用预测数据与观测数据的残差分析作为监控湿地生态状态的指标数据，使得预警系统更加灵敏；贝叶斯的引入降低了误警率，引入迭代预警率。从而全面提高了湿地健康预警的准确度。

技术领域

本发明涉及生态环境的技术领域，尤其涉及到一种基于人工智能及随机自适应阈值的湿地预警方法。

背景技术

湿地是地球上水陆相互作用形成的独特生态系统，是重要的生存环境和自然界最富生物多样性的生态景观之一，它在维持生态平衡、保持生物多样性、涵养水源、蓄洪防旱、降解污染等方面都起到重要作用，被誉为“地球之肾”、“生命的摇篮”、“文明的发源地”和“物种的基因库”。湿地及其与之共存的各种资源是人类赖以生存与持续发展的重要基础，具有不可替代的环境调节作用，而且是极重要的物种基因库。为此，针对湿地的预警系统和方法应运而生。

然而，现有的预警系统大多未考虑湿地系统所面临的众多不确定性因素，未考虑引用不确定性定量化理论描述预警过程及湿地系统的不确定性。而且，湿地预警系统就自适应阈值多为静态调控，由于湿地系统的复杂性，预警系统过敏感，过迟钝，静态调控等问题常有出现，适应性不足。而湿地的预警评价方法多为简单的指标加权评价，且忽略了指标间的客观关系；受人为影响较大。评价周期久，灵敏度不高；且有当湿地系统出现紧急污染源或恶性趋势时，无法实时预警。

发明内容

本发明的目的在于克服现有技术的不足，提供一种拥有自适应调节能力、考虑了湿地水系统所面临的众多不确定性、能解决预警系统过敏感，过迟钝静态预警等问题、预警准确度高的基于人工智能及随机自适应阈值的湿地预警方法。

为实现上述目的，本发明所提供的技术方案为：

一种基于人工智能及随机自适应阈值的湿地预警方法，包括以下步骤：

S1、确定研究区域湿地内相关的地面监测指标以及确定研究区内的监测点位；然后对研究区内的每个监测点位按监测频次进行持续水生态监测，获得时间上连续的地面监测指标的监测数据；每一组数据皆为时间序列的数据集；

S2、利用主成分分析法对步骤S1所得的众多监测指标的监测数据进行降维处理，抽取每大类指标中的主成分，并进行标准化处理，保证神经网络的数据口径一致；

S3、建立神经网络模型，模型的输入层为降维标准化处理后的数据结果，输出层为待预测的指标值，建立每一个指标与其他指标和其滞后时间指标之间的关系；

S4、将步骤S3得到的预测结果与步骤S2得到的降维后的监测值进行按时间序列求残差，建立基于时间序列的残差数据序列；

S5、为相应监测指标设置随机自适应阈值，当相应监测指标的残差值超过阈值时，触发异常状态，按时间序列将异常状态进行储存后进入步骤S8；当相应监测指标的残差值未超过阈值时，为正常状态，按正常状态的时间序列监测值及其正常状态时间序列残差值储存后进入步骤S6；

S6、将正常状态的时间序列监测值及其正常状态时间序列残差值录入随机自适应学习模块：正常状态时间序列残差值带入随机自适应阈值计算器，求出正常状态下的随机自适应阈值调节参数DT_i；

S7、将参数输入正常阈值参数数据库，以方便实时更新的正常阈值参数概率密度函数PDF，而后转换为实时更新的正常阈值参数累积分布密度函数CDF，由此完成不确定量化的工作，并可根据不同的监控强度q_i(0-1)得到不同的随机自适应阈值；