详情

原文传递一种海洋水质监测方法

专利名称：	一种海洋水质监测方法
摘要：	本发明公开了一种海洋水质监测方法，步骤为：(1)设置多个监测点，采集每个监测点的数据；(2)对每个监测点进行单点分析，得到每个监测点的分析结果，并对分析结果分级；(3)将步骤(2)中得到的分析结果作为样本数据进行预处理；(4)构造神经网络分析模型；(5)将步骤(3)中得到的预处理数据用于训练神经网络分析模型，并最终得出水质安全分析结果。本发明能够计算出安全分析数据，并构建神经网络模型来对监测数据进行安全分析，能有效发现和分析监测数据中异常数据，对分析结果进行级别划分，对异常情况进行预警预报，提高人工对异常数据的关注度，并且得出的结果更加精确，能够更好的为海洋水质综合评判服务。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	自然资源部第二海洋研究所
发明人：	曹静;陈立红;林柏;吴春芳;杨书梅
专利状态：	有效
申请日期：	2019-03-27T00:00:00+0800
发布日期：	2019-06-11T00:00:00+0800
申请号：	CN201910236210.3
公开号：	CN109870551A
代理机构：	苏州润桐嘉业知识产权代理有限公司
代理人：	高远
分类号：	G01N33/18(2006.01);G;G01;G01N;G01N33
申请人地址：	310012 浙江省杭州市西湖区保俶北路36号
主权项：	1.一种海洋水质监测方法，其特征在于，包括如下步骤： (1)设置多个监测点，采集每个监测点的数据； (2)对每个监测点进行单点分析，得到每个监测点的分析结果，并对分析结果分级； (3)将步骤(2)中得到的分析结果作为样本数据进行预处理； (4)构造神经网络分析模型； (5)将步骤(3)中得到的预处理数据用于训练神经网络分析模型，并最终得出水质安全分析结果。 2.根据权利要求1所述的一种海洋水质监测方法，其特征在于，所述步骤(2)中对每个监测点进行单点分析，得到每个监测点的分析结果，并对分析结果分级的具体步骤如下： (2.1)对于任一监测节点e，存在一段长时间的监测数据序列{x1，x2，x3，...，xn}，首先计算它的平均值和均方误差公式表示为：其中，为任一节点e的平均值，为节点e的均方误差，n为节点e的时间序列长度，xi为节点e第i天的监测数据； (2.2)进一步计算第i天节点e的监测数据xi的偏差的绝对值与均方差的比值qi，公式表示为： (2.3)根据qi的值对节点进行分级分析，构造分析评级矩阵。 3.根据权利要求2所述的一种海洋水质监测方法，其特征在于，所述步骤(2.3)中构造分析评级矩阵的具体步骤如下： (2.3.1)若qi≤1，则表示当天的监测数据偏差非常小，所以给它评级为正常的normal，分析评级矩阵为[0 0 0 1]； (2.3.2)若1≤qi＜2，则表示当天的监测数据偏差较小，所以给它评级为可接受的acceptable，分析评级矩阵为[0 0 1 0]； (2.3.3)若2≤qi＜3，则表示当天的监测数据偏差较大，需要引起管理人员的关注，所以给它评级为需要提醒的remindful，分析评级矩阵表示为[0 1 0 0]； (2.3.4)若qi≥3，则表示当天的监测数据偏差非常大，可能出现了异常情况，需要对该监测点特别关注，所以给它评级为警告的warning，分析评级矩阵表示为[1 0 0 0]； (2.3.5)得到所有节点的分析评级矩阵。 4.根据权利要求2所述的一种海洋水质监测方法，其特征在于，所述步骤(3)中将得到的分析结果作为样本数据进行预处理的具体步骤如下： (3.1)将某一个节点某一天的分析结果的分析评级矩阵扁平化为{0,1,2,3}中的元素； (3.2)对于节点p，将节点p的子节点的分析结果整合，构造神经网络的输入矩阵，维度为n_node×n_day，其中n_node表示节点p的子节点的个数，n_day表示训练的天数； (3.3)将节点p的分析结果构造成神经网络的输出矩阵，维度为1×n_day。 5.根据权利要求1所述的一种海洋水质监测方法，其特征在于，所述步骤(4)中构造神经网络分析模型的具体步骤为：隐含层的激活函数设置为tanh，输出层的激活函数设置为relu，构造浅层的神经网络分析模型。 6.根据权利要求4所述的一种海洋水质监测方法，其特征在于，所述步骤(5)中得出水质安全分析结果的具体步骤如下： (5.1)对于任一节点p，以节点p的子节点的分析结果作为样本输入，以节点p的分析结果作为样本输出，对神经网络分析模型进行训练； (5.4)对每个节点都得到一个模型，通过这个模型得出水质安全分析结果，用于海洋水质安全性评判。
所属类别：	发明专利