[发明专利]基于传感器及智能算法的农田径流总氮总磷快速监测方法

权利要求书

1.基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：

所述监测方法依次包括以下步骤：

步骤一、采集总氮/总磷浓度及其对应的、传感器可测的常规水质参数序列数据；

步骤二、将采集的序列数据作为样本集、通过智能算法构建反演模型，建立总氮/总磷浓度与其对应的、传感器可测的常规水质参数之间的响应关系；

步骤三、通过传感器实时采集常规水质参数，然后将采集的参数输入构建的反演模型中，即可确定总氮/总磷浓度。

2.根据权利要求1所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：

所述总氮浓度所对应的、传感器可测的常规水质参数包括pH、电导率、溶解氧、水温、氧化还原电位、氨氮、硝氮；

所述总磷浓度所对应的、传感器可测的常规水质参数包括pH、电导率、溶解氧、水温、氧化还原电位、正磷酸盐。

3.根据权利要求1所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：

所述步骤二通过极端随机树算法构建反演模型。

4.根据权利要求3所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：

所述步骤二采用基于Python的Scikit-learn库的极端随机树算法构建反演模型，依次包括以下步骤：

S1、将所采集样本集中的水质参数序列数据随机拆分成训练样本(S,a)和测试样本(T,b)，其中，S为训练样本集，a为训练样本数据，T为测试样本集，b为测试样本数据；

S2、随机选定均匀切点若则返回树节点的左分支，若则返回树节点的右分支，其中，分别为训练样本数据最小、最大值；

S3、以均方误差MSE作为节点分裂评估标准，对节点的所有特征进行遍历，获得全部特征的分裂值，并选取分裂值最大的特征对该节点进行分裂；

S4、重复步骤S1-S3迭代V次，建立极端随机树集合；

S5、计算反演模型的决定系数R²，若R²大于等于设定的阈值，则判定该模型的预测性能满足要求，若R²小于设定的阈值，则根据MSE调整参数后重复S1-S4，直至满足要求。

5.根据权利要求4所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：

步骤S3中，所述MSE通过以下公式计算得到：

上式中，n为训练样本集中的样本数量，f(x_i)为第i个样本的总氮/总磷浓度预测值，y_i为第i个样本中的总氮/总磷浓度实测值；

步骤S5中，所述R²通过以下公式计算得到：

上式中，为总氮/总磷浓度实测值的平均值。

6.根据权利要求1-5中任一项所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：步骤三中，所述常规水质参数通过便携式多参数水质分析仪采集得到。

7.根据权利要求1-5中任一项所述的基于传感器及智能算法的农田径流总氮总磷快速监测方法，其特征在于：步骤二中，所述样本集中的样本数量大于等于50。