申请/专利权人：福建省水产研究所(福建水产病害防治中心)

申请日：2024-05-30

公开（公告）日：2024-06-25

公开（公告）号：CN118246610A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/067;G06Q50/26;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了一种基于大数据的微藻浓度预测方法及系统，该方法包括：获取目标培养水域的多个历史采样数据和历史环境参数；根据所述历史采样数据对应的微藻检测浓度和所述历史环境参数，建立所述目标培养水域对应的微藻浓度预测模型；在当前时间段获取所述目标培养水域的当前环境参数；将所述当前时间段和所述当前环境参数输入至所述微藻浓度预测模型，以得到所述目标培养水域的当前微藻浓度预测结果。可见，本发明能够实现更自动化和高效地对培养水域的微藻浓度进行预测，提高对培养水域的培育效果监测的准确度和采取介入措施的及时性，提高培育效率。

主权项：1.一种基于大数据的微藻浓度预测方法，其特征在于，所述方法包括：获取目标培养水域的多个历史采样数据和历史环境参数；根据所述历史采样数据对应的微藻检测浓度和所述历史环境参数，建立所述目标培养水域对应的微藻浓度预测模型，包括：对于每一所述历史采样数据，基于该历史采样数据的数据类型，确定该历史采样数据的微藻检测规则；所述数据类型为水采样数据、图像数据或红外热成像数据；根据所述微藻检测规则，计算该历史采样数据对应的微藻检测浓度；对于每一历史时间段，根据该历史时间段对应的所有所述历史采样数据的微藻检测浓度，计算该历史时间段对应的时间段微藻浓度参数；计算该历史时间段对应的所有所述历史环境参数的平均值，得到该历史时间段对应的时间段环境参数；所述时间段环境参数包括时间段风速、时间段日照强度、时间段水温、时间段关键因子参数和时间段水流速度；将每一所述历史时间段对应的至少一个所述历史采样数据和所述时间段微藻浓度参数和所述时间段环境参数确定为一个训练数据对，以得到多个训练数据对；根据所述多个训练数据对，建立所述目标培养水域对应的微藻浓度预测模型，包括：基于回归拟合算法和自变量贡献计算算法，以所述训练数据对中的所述时间段微藻浓度参数作为因变量，计算所述时间段环境参数中的每一参数作为自变量时对应的贡献值；根据所述多个训练数据对，基于随机挑选放回规则和动态规划算法，组成多个训练数据集；每一所述训练数据集中以所述时间段环境参数中的任意一个参数作为数据标注的训练数据的占比与该参数对应的所述贡献值的大小成正比；将所述多个训练数据集，输入至预先建立的神经网络模型中进行训练，并基于梯度下降算法和预设的损失函数对模型参数进行优化直至收敛，得到所述目标培养水域对应的微藻浓度预测模型；在当前时间段获取所述目标培养水域的当前环境参数；将所述当前时间段和所述当前环境参数输入至所述微藻浓度预测模型，以得到所述目标培养水域的当前微藻浓度预测结果。

全文数据：

权利要求：

百度查询： 福建省水产研究所(福建水产病害防治中心) 基于大数据的微藻浓度预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD