一种选择水质异常报警监测因子的方法及其系统

    公开(公告)号:CN113791186B

    公开(公告)日:2024-06-25

    申请号:CN202110926543.6

    申请日:2021-08-12

    Abstract: 本申请公开了一种选择水质异常报警监测因子的方法及其系统,其中选择水质异常报警监测因子的方法,具体包括以下步骤:获取水质监测因子的历史数据;对水质监测因子的历史数据集合进行预处理;根据预处理后的历史数据集合,计算水质监测因子的历史数据集合中任意两个水质监测因子之间的相关指标;根据水质监测因子间的相关指标确定水质监测因子相关性临界值;根据相关性临界值选择满足条件的水质异常报警因子组合。本申请克服了单因子预警无法在水质超标前提前预警;同时通过选择多个相关程度高的水质监测因子组合,组成多因子水质异常报警因子组,依据报警因子监测数据变化趋势,实现对水质超标前的提前预警,提高水质异常报警的灵敏性。

    一种空气质量数据异常预警方法及其系统

    公开(公告)号:CN116990465B

    公开(公告)日:2023-12-19

    申请号:CN202311237621.7

    申请日:2023-09-25

    Abstract: 本申请公开了空气质量数据异常预警方法及其系统,其中包括以下步骤:获取监测数据,进行给定时间区间的设置;获取污染物浓度时间序列;对污染物浓度时间序列进行标准化,并得到标准化后的浓度时间序列;获取振幅时间序列;获取模式时间序列;获取同一给定时间区间内的含有指定数量个比较对象的参比集数据的浓度时间序列;计算当前数据与参比数据的形状距离,得到最小形状距离,并得到参比数据浓度序列;获取指定时刻的污染物浓度,若其大于等于报警阈值,则发出预测高值警报。本申请通过最小形状距离的参比数据的变化趋势来近似当前数据的变化趋势,以参比数据下一小时的数值作为当前数据的预测值,从而能够提前对污染高值发出预报预警。

    一种基于深度学习算法的水生态评价方法及其系统

    公开(公告)号:CN116933042B

    公开(公告)日:2023-12-19

    申请号:CN202311190762.8

    申请日:2023-09-15

    Abstract: 本申请公开了基于深度学习算法的水生态评价方法及其系统,基于深度学习算法的水生态评价方法包括以下步骤:获取水生生物监测数据集,对水生物数据集进行划分获取三种不同数据集;在划分后的三种不同数据集中添加最优个体以及最劣个体,得到三种新的数据集;对三种新的数据集进行数据标准化处理;对完成数据标准化后的三种新的数据集建立变分自编码器;获取每个个体的点与最优个体、每个个体的点与最劣个体所对应的点的距离;获取不同物种的距离权重;获取投影距离;根据不同物种的距离权重与投影距离,获取综合评估计分。本申请兼顾了所有生物类群的监测数据,并且考虑了不同物种的影响,使得到的水生生物的评价结果更加准确。

    一种空气质量数据异常预警方法及其系统

    公开(公告)号:CN116990465A

    公开(公告)日:2023-11-03

    申请号:CN202311237621.7

    申请日:2023-09-25

    Abstract: 本申请公开了空气质量数据异常预警方法及其系统,其中包括以下步骤:获取监测数据,进行给定时间区间的设置;获取污染物浓度时间序列;对污染物浓度时间序列进行标准化,并得到标准化后的浓度时间序列;获取振幅时间序列;获取模式时间序列;获取同一给定时间区间内的含有指定数量个比较对象的参比集数据的浓度时间序列;计算当前数据与参比数据的形状距离,得到最小形状距离,并得到参比数据浓度序列;获取指定时刻的污染物浓度,若其大于等于报警阈值,则发出预测高值警报。本申请通过最小形状距离的参比数据的变化趋势来近似当前数据的变化趋势,以参比数据下一小时的数值作为当前数据的预测值,从而能够提前对污染高值发出预报预警。

    一种融合水动力模型和数理模型的水质预测方法及系统

    公开(公告)号:CN116933949A

    公开(公告)日:2023-10-24

    申请号:CN202311198828.8

    申请日:2023-09-18

    Abstract: 本发明公开一种融合水动力模型和数理模型的水质预测方法及系统,涉及数据处理技术领域。所述方法包括:对研究水体网格化,构建机理模型;构建深度学习模型,将机理模型预测的监测站点水质数据作为输入特征,结合实际水质监测数据,共同作为深度学习模型的模型构建数据集;运行机理模型,获取监测站点所在网格的水质预测数据,将水质预测数据输入深度学习模型中,获得监测站点所有网格的融合模型预测数据;构建关联回归模型;获取无监测站点的网格预测数据,输入关联回归模型,输出无监测站点网格的最终水质预测数据。采用本发明技术方案可以得到整个研究水体任意位置的水质预测结果,解决了数理统计模型只可以预测有历史数据的监测位置的水质。

    基于集成学习模型的水质预测方法及系统

    公开(公告)号:CN113780356B

    公开(公告)日:2023-08-08

    申请号:CN202110923923.4

    申请日:2021-08-12

    Abstract: 本申请提供一种基于集成学习模型的水质预测方法及系统,该方法包括如下步骤:获取水质指标历史数据;提取水质指标历史数据中的训练数据集,针对训练数据集分别构建自回归积分滑动平均模型和时间序列预测模型,获取水质指标综合预测结果数据集;提取水质指标综合预测结果数据集中的结果训练集,并将结果训练集输入到多层神经网络模型中,获取第三模型水质指标预测结果数据集;根据水质指标综合预测结果数据集和第三模型水质指标预测结果数据集,计算水质指标预测结果。本申请实现了提高水质预测的精准度和水质预测效果,适用于所有站点的水质预测。

Patent Agency Ranking