[发明专利]一种海星灾害预警方法及系统

说明书

本发明公开一种海星灾害预警方法及系统，采用海星灾害预警模型，根据实时获取的现场同步观测数据，对目标海域未来是否会发生海星灾害事件进行预测，其中，海星灾害预警模型是根据历史海星灾害现场观测数据集与所述相关性较高的水质参数数据训练得到的，海星灾害预警模型考虑多种具有较高相关性水质参数数据的因素，其是基于多种因素构成的多维数据构建的。本发明能对海星灾害多发海域的海星灾害爆发事件进行预测预警，使得管理人员可以缩短响应时间甚至提前制止海星灾害的发生，极大限度的减小海星灾害爆发造成的海洋牧场的经济损失或珊瑚礁的生态损失。

技术领域

本发明涉及灾害预警领域，尤其为一种海星灾害预警方法及系统。

背景技术

海星是近海地区最常见的肉食性棘皮动物之一，具有极强的繁殖能力和再生能力，以贝类和珊瑚为食物来源。海星的特性和食性使其在适宜环境下能够迅速繁殖，形成大规模海星爆发灾害，对贝类养殖业和珊瑚生态系统造成极大破坏，给人类生产生活和海洋生态平衡造成不必要的影响。现有的研究并没有针对海星灾害的预警方法或系统。

发明内容

针对现有技术的不足，本发明提供一种海星灾害预警方法及系统，具体技术方案如下：

一种海星灾害预警方法，包括如下步骤：

步骤一：获取现场同步观测数据；

所述现场同步观测数据为目标海域的现场长期原位观测的海星视频数据集和目标海域的水质参数数据；所述水质参数数据为多维数据；一种水质参数对应单维数据；每一个单维数据对应一个时间序列；

步骤二：预处理现场同步观测数据；

将所述海星视频数据集使用预训练好的基于深度学习的目标检测模型处理成海星数量数据集；对所述目标海域的水质参数数据进行缺失值填充和归一化处理；

步骤三：将所述海星数量数据集与处理后的所述目标海域的水质参数数据输入预警确立模型中得到预警模型；

所述预警确立模型的建立方法如下：

水质参数相关性分析：对处理后的目标海域的水质参数数据与所述目标海域的历史海星数量数据集进行相关性分析，挑选出相关性较高的水质参数数据；

爆发标准建立：基于所述目标海域的历史海星数量数据集，使用聚类算法建立爆发标准；

基于历史海星灾害现场观测数据集与所述相关性较高的水质参数数据，结合所述爆发标准，使用神经网络模型建立预警模型；

步骤四：使用预警模型对目标海域未来海星灾害爆发风险进行预警。

进一步地，所述预训练好的基于深度学习的目标检测模型的建立过程如下：

从目标海域的现场长期原位观测的海星视频数据集中挑选出部分子集并标注，将所述子集划分为训练集和测试集，训练集用于训练所述基于深度学习的目标检测模型，测试集用于测试训练后的所述基于深度学习的目标检测模型，取测试集精确度最高的模型为所述预训练好的基于深度学习的目标检测模型；

其中，所述部分子集为图像数据集，其挑选方法如下：

以相同的间隔从视频数据中每个视频中抽取若干帧作为抽帧结果；从所述抽帧结果中挑选出的图像符合如下条件：（1）光照条件好，以保证标注工作的顺利进行；（2）来自每个月份的图像数量接近，以保证图像数据集的平衡。

进一步地，所述爆发标准建立的过程如下：

基于所述海星数量数据集，以固定间隔s为单位划分为M个部分，其中每一部分单独计算统计量，得到多维点集

其中，表示第j部分第i种统计量的数据，i=1,2,…,d，j=1,2,…,M；