[发明专利]一种实时等值盐密的获取方法及系统

权利要求书

1.一种实时等值盐密的获取方法，其特征在于，包括：

获取实时气象数据，所述气象数据包括：风速、风向、温度、气压、湿度、降雨和空气质量指数；

根据所述实时气象数据，将所述实时气象数据输入预先建立的神经网络模型，得到第一初步预测等值盐密；

根据所述实时气象数据，通过四阶龙格库塔模型，得到第二初步预测等值盐密；

根据所述第一初步预测等值盐密和第二初步预测等值盐密，通过卡尔曼滤波，对所述第一初步预测等值盐密和第二初步预测等值盐密进行加权平均，得到实时等值盐密。

2.根据权利要求1所述的一种实时等值盐密的获取方法，其特征在于，所述等值盐密神经网络模型的创建步骤为：

获取历史实时气象数据和历史等值盐密；

对所述历史实时气象数据和历史等值盐密，进行插值和归一化，得到样本集，所述样本集包括历史实时气象数据样本和历史等值盐密样本；

将历史实时气象数据样本作为初步神经网络模型的输入，历史等值盐密样本作为神经网络模型的输出，对初步神经网络模型进行训练，得到神经网络模型。

3.根据权利要求1所述的一种实时等值盐密的获取方法，其特征在于，所述通过四阶龙格库塔模型，得到第二初步预测等值盐密的步骤中，所述四阶龙格库塔模型为：

A为饱和等值盐密度(mg/cm²)，k为本次检测的上一检测时刻的积污时间，τ为表征积污速率的常数，S_k+1为第二初步预测等值盐密，S_k为所述第二初步预测等值盐密上一检测时刻的等值盐密。

4.根据权利要求3所述的一种实时等值盐密的获取方法，其特征在于，所述第二初步预测等值盐密上一时刻的等值盐密的获取具体为：

根据等值盐密的经典获取模型，对所述等值盐密的经典获取模型进行离散化，得到所述S_k的获取模型；

所述等值盐密的经典获取模型为：

ESSD＝A×(1-K×exp(-t/τ))

所述S_k的获取模型为：

S_k＝A(1-exp(-k/τ))。

5.根据权利要求1所述的一种实时等值盐密的获取方法，其特征在于，所述卡尔曼滤波加权的步骤为：

获取所述第一初步预测等值盐密的方差和所述第二初步预测等值盐密的方差；

根据所述第一初步预测等值盐密的方差和所述第二初步预测等值盐密的方差，对所述第一初步预测等值盐密和所述第二初步预测等值盐密进行加权平均，得到实时等值盐密。

6.一种实时等值盐密的获取系统，其特征在于，所述一种实时等值盐密的获取系统用于执行权利要求1-5任一项所述的一种实时等值盐密的获取方法，包括：获取模块、第一初步预测模块、第二初步预测模块和实时等值盐密获取模块；

所述获取模块，用于获取实时气象数据；

所述第一初步预测模块，用于根据所述实时气象数据，将所述实时气象数据输入预先建立的神经网络模型，得到第一初步预测等值盐密；

所述第二初步预测模块，用于根据所述实时气象数据，通过四阶龙格库塔模型，得到第二初步预测等值盐密；

所述实时等值盐密获取模块，用于根据所述第一初步预测等值盐密和第二初步预测等值盐密，通过卡尔曼滤波，对所述第一初步预测等值盐密和第二初步预测等值盐密进行加权平均，得到实时等值盐密。

7.根据权利要求6所述的一种实时等值盐密的获取系统，其特征在于，所述等值盐密神经网络模型的创建步骤为：

获取历史实时气象数据和历史等值盐密；

对所述历史实时气象数据和历史等值盐密，进行插值和归一化，得到样本集，所述样本集包括历史实时气象数据样本和历史等值盐密样本；

将历史实时气象数据样本作为初步神经网络模型的输入，历史等值盐密样本作为神经网络模型的输出，对初步神经网络模型进行训练，得到神经网络模型。