[发明专利]一种基于门控递归阵列水质检测系统及方法

说明书

本发明提出一种基于门控递归阵列水质检测的检测方法，包括以下步骤：S1，获取水质参数值包括PH值、电导率、浊度、溶解氧、水温、叶绿素A的含量、蓝绿藻的含量、氨氮的含量，总磷的含量、铜的含量、铅的含量、锡的含量；获取环境指标包括大气压力、大气湿度、大气温度、风速；S2，将获取的水质参数值以及环境指标进行归一化及特征选择，得到预处理数据；S3，选用基于门控递归阵列的神经网络作为预测模型，并设置损失函数及优化迭代方法；S4，将预处理数据输入到预测模型进行模型训练得出预测结果；S5，将预测结果与设定的五级水质分类进行比对，获得分类结果。本发明能够更加有效的利用水质属性进行预测分类。

技术领域

本发明涉及水质安全技术领域，尤其是涉及一种基于门控递归阵列水质检测系统及方法。

背景技术

随着我国工业和科技水平的不断发展，其所造成的工业污水、生活污水以及其他废弃物进入湖泊、水库以及其他江海湖海等饮用水源，以至于超过水体自净能力所造成了严重污染，会导致水体的物理、化学、生物等方面特征的改变，从而影响到水的利用价值，甚至危害到了人体健康以及生态环境，造成逐渐恶化最终到达不可挽回的局面。因此，开发实时在线，有效快速的水质监测系统对于环境治理、处理污染水源具有重要意义。

近年来，国家对于环境保护越来越重视，也有更多的相关研究人员提出新技术、新方法。这些技术主要包括电化学分析法、色谱分离技术法、生物传感技术法以及光谱分析法等。通过这些方法获取到各种指标的数据，再通过传统水质分类的方法如单因子评价法、指数评价法等传统方法费时费力，并且效率极低。也有研究人员提出逻辑回归、神经网络等方法建立模型，从而获取水质数据并预测水质类别。但这些方法存在一些不足之处，如模型建立的相关性欠缺，其次所采用的模型不具有能考虑水质数据的时序性功能，降低了水质预测工作的准确性，且不能及时有效的得出结果。

因此，为开发有效快速的水质监测系统，并提升模型预测的准确度，我们需要关注到更多环境属性，并引入其时序性特征。

发明内容

针对模型建立的相关性欠缺且所采用的模型不具有能考虑水质数据的时序性功能的问题，本发明提出了一种基于门控递归阵列水质检测系统及方法，能够更加有效的利用水质属性进行预测分类。

为实现上述目的，本发明提供以下的技术方案：

一种基于门控递归阵列水质检测的检测方法，包括以下步骤：

S1，获取水质参数值包括PH值、电导率、浊度、溶解氧、水温、叶绿素A的含量、蓝绿藻的含量、氨氮的含量，总磷的含量、铜的含量、铅的含量、锡的含量；获取环境指标包括大气压力、大气湿度、大气温度、风速；

S2，将获取的水质参数值以及环境指标进行归一化及特征选择，得到预处理数据；

S3，选用基于门控递归阵列的神经网络作为预测模型，并设置损失函数及优化迭代方法；

S4，将预处理数据输入到预测模型进行模型训练得出预测结果；

S5，将预测结果与设定的五级水质分类进行比对，获得分类结果。

得出包含时序属性的水质等级预测，预测准确率更高。这是由于门控递归阵列具有记忆的特性，使得水质监测当中温度、化学反应等时序性特点被充分考虑。且相比于其他神经网络，门控递归阵列的门控单元更少，因此参数更少，复杂度低。

作为优选，所述设定的五级水质分类具体包括：

连续时间下获取水质参数值，同时获取环境指标输入计算机进行记录；目前国家地表水环境质量标准依据地表水水域环境功能和保护目标将其划分为I、II、III、IV、V五类，设在t时刻收集到的16种水质监测数据为：

X_t＝(x¹，x²，......，x¹⁶)