[发明专利]基于人工智能的河岸污染检测及考察地点选址方法及系统

权利要求书

1.一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述方法包括：

在河岸两侧预设多个待选区域；每个所述待选区域中设置有多个土壤传感器；通过每个所述土壤传感器获得预设采样时间段内的土壤状态数据序列；所述土壤状态数据序列包括土壤含水量序列和土壤酸碱度序列；

通过每个所述待选区域内设置的水污染传感器获得水体状态数据序列；根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配，获得多个第一区域匹配对；

获得所述第一区域匹配对之间每个所述土壤传感器的土壤状态数据序列差异；根据所述土壤状态数据序列差异对所述土壤传感器进行剔除，使所述第一区域匹配对中两个所述待选区域的所述土壤传感器数量相同，将余下的所述土壤传感器作为最优土壤传感器；其中，根据所述土壤状态数据序列差异对所述土壤传感器进行剔除的步骤包括：以所述第一区域匹配对之间每个所述土壤传感器的土壤状态数据序列的向量距离作为所述土壤状态数据序列差异；根据所述土壤状态数据序列差异获得土壤传感器匹配置信度；所述土壤传感器匹配置信度与所述土壤状态数据序列差异为反比例关系；根据所述土壤传感器匹配置信度对所述土壤传感器进行KM算法匹配；剔除不匹配的所述土壤传感器，使所述第一区域匹配对中两个所述待选区域的所述土壤传感器数量相同；

通过所述最优土壤传感器的所述土壤含水量序列的变化特征对每个所述待选区域内所述最优土壤传感器进行匹配，获得最优协同传感器对；以所述最优协同传感器对之间的所述土壤酸碱度序列的差异获得土壤环境权值，根据所述土壤环境权值获得所述最优协同传感器对的协同传感器平均数据序列；所有所述协同传感器平均数据序列组成所述待选区域的平均土壤状态数据序列；

根据所述第一区域匹配对内所述待选区域的所述平均土壤状态数据序列进行二次区域匹配，获得最优第二区域匹配对；以多个所述采样时间段内出现次数最多的所述最优第二区域匹配对作为最优区域匹配对；以所述最优区域匹配对作为选址结果。

2.根据权利要求1所述的一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配包括：

以不同所述待选区域内所述水体状态数据序列的向量距离作为差异。

3.根据权利要求1所述的一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配，获得多个第一区域匹配对包括：

利用全局KM算法进行所述初次区域匹配，获得所述第一区域匹配对。

4.根据权利要求1所述的一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述根据所述土壤状态数据序列差异获得土壤传感器匹配置信度包括：通过土壤传感器匹配置信度公式获得所述土壤传感器匹配置信度；所述土壤传感器匹配置信度公式为：

其中，为所述第一区域匹配对之间第个所述土壤传感器和第个所述土壤传感器的所述土壤传感器匹配置信度，为所述土壤传感器获得的土壤状态数据种类总数量，为第个所述土壤传感器和第个所述土壤传感器的第种所述土壤状态数据序列差异。

5.根据权利要求1所述的一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述通过所述最优土壤传感器的所述土壤含水量序列的变化特征对每个所述待选区域内所述最优土壤传感器进行匹配，获得最优协同传感器对包括：

以两个所述最优土壤传感器的所述土壤含水量序列的皮尔逊相关系数作为所述变化特征；根据所述变化特征利用KM匹配算法进行匹配，获得最优协同传感器对。

6.根据权利要求1所述的一种基于人工智能的河岸污染检测及考察地点选址方法，其特征在于，所述以所述最优协同传感器对之间所述土壤酸碱度序列的差异获得土壤环境权值包括：

以所述最优协同传感器对之间的所述土壤酸碱度序列的差值平方和作为第一土壤环境权值；将所述差值平方和归一化处理获得第二土壤环境权值；以所述第一土壤环境权值和所述第二土壤环境权值的乘积作为所述土壤环境权值。