[发明专利]一种水质预警方法、系统及可读存储介质

说明书

本发明公开一种水质预警方法、系统及可读存储介质，方法包括：获取传感器初始数据并降噪处理得到水质参数序列，对归一化的序列进行线性去趋势分割得到水质参数线性去趋势集，计算数据集的统计参数，将水质参数线性去趋势集径向变换后通过核函数进行非线性变换，将还原处理后的输出与权重层进行组合运算，通过误差评估函数对输出进行误差评估，若误差位于监督预设误差范围之外，通过反向梯度下降的方式对模型参数进行迭代优化，得到最佳的模型参数，获得水质参数预测集，再通过权值运算得到水质综合评价值，对水质综合评价值进行分级预警。本发明方法易收敛训练速度快能够提高水质预测的准确度。

技术领域

本发明属于水质预警技术领域，尤其涉及一种水质预警方法、系统及可读存储介质。

背景技术

近年来，随着我国水厂养殖业的快速发展，养殖规模和养殖密度的不断增加，容易导致环境污染。饲料中大量的氮、磷在养殖过程富集，使得养殖区容易富营养化，导致水质恶化。此外，水质对水产品影响是极为重要的，如若某个指标超过一定值就会产生不利影响，比如使其生长速度减缓，更有可能造成范围较大的死亡。因此，对水质情况的把控十分重要。

目前水产养殖厂对于水质的监控以人工监测为主，难以把控水质变化趋势，往往水质出现问题了才会进一步进行处理，这个时候就已经造成了一定的损失，进一步地造成资源浪费。

发明内容

本发明提供一种水质预警方法、系统及可读存储介质，用于解决养殖场水质无法实时预测和实时风险预警的技术问题。

第一方面，本发明提供一种水质预警方法，包括：基于预设的神经网络模型将获取的水质参数序列进行线性去趋势分割，得到水质参数线性去趋势序列，并对所述水质参数线性去趋势序列进行组合得到水质参数线性去趋势集；根据所述水质参数线性去趋势序列确定预设的神经网络模型的隐含层节点数 P，并对所述水质参数线性去趋势集进行自组织学习，使确定P 个中心点；基于p个中心点将所述水质参数线性去趋势集进行径向变换以及基于预设的核函数进行非线性变换，得到非线性变换输出集；将所述非线性变换输出集与权值层进行组合运算得到实际输出值，并基于预设的误差评估函数对所述实际输出值进行误差评估，得到误差评估值；判断所述误差评估值是否在预设误差值范围内；若不在，则对所述神经网络模型的模型参数进行修正，直至所述误差评估值在所述预设误差值范围内，从而得到水质参数预测值；将所有所述水质参数预测值进行组合得到水质参数预测集，将得到的所述水质参数预测集进行权值运算得到水质综合评价值，根据水质综合评价值的范围进行不同级别的预警。

第二方面，本发明提供一种水质预警系统，包括：分割模块，配置为基于预设的神经网络模型将获取的水质参数序列进行线性去趋势分割，得到水质参数线性去趋势序列，并对所述水质参数线性去趋势序列进行组合得到水质参数线性去趋势集；学习模块，配置为根据所述水质参数线性去趋势序列确定预设的神经网络模型的隐含层节点数 P，并对所述水质参数线性去趋势集进行自组织学习，使确定P 个中心点；变换模块，配置为基于p个中心点将所述水质参数线性去趋势集进行径向变换以及基于预设的核函数进行非线性变换，得到非线性变换输出集；评估模块，配置为将所述非线性变换输出集与权值层进行组合运算得到实际输出值，并基于预设的误差评估函数对所述实际输出值进行误差评估，得到误差评估值；判断模块，判断所述误差评估值是否在预设误差值范围内；修正模块，配置为若不在，则对所述神经网络模型的模型参数进行修正，直至所述误差评估值在所述预设误差值范围内，从而得到水质参数预测值；输出模块，配置为将所有所述水质参数预测值进行组合得到水质参数预测集，将得到的所述水质参数预测集进行权值运算得到水质综合评价值，根据水质综合评价值的范围进行不同级别的预警。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的水质预警方法的步骤。