申请/专利权人：厦门大学

申请日：2024-04-10

公开（公告）日：2024-06-28

公开（公告）号：CN118052336B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0637;G06Q50/06;G06N20/00;G06F18/10;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明公开了一种基于OrdinalForests模型的水华级别早期预警方法，包括以下步骤：S1、对水质水生态在线监测系统的水质数据进行预处理；S2、根据叶绿素a值，对预处理后的水质数据划分水华级别；S3、应用重采样方法解决水华级别数据不平衡问题，合成水华级别平衡的数据集；S4、基于OrdinalForests模型以步骤S3新合成的数据集作为输入变量，构建水华级别早期预警模型，利用训练后的水华级别早期预警模型进行水华级别早期预警；该方法直接易用，在处理次序数据和不平衡数据时有明显的优势，能有效提升饮用水水源地的水华预警精度。

主权项：1.一种基于OrdinalForests模型的水华级别早期预警方法，其特征在于，包括以下步骤：S1、对水质水生态在线监测系统的水质数据进行预处理；步骤S1中所述水质数据的预处理方法具体步骤为：S11、对水质数据进行质量控制，包括剔除类型异常数据、剔除重复数据和数据重采样；S12、对水质数据进行缺失值处理，采用卡尔曼滤波法填补缺失值，通过不断地融合测量值和状态估计，逐步提高状态估计的准确性，完成缺失值填充；S13、应用主成分分析的方法，对水质数据进行特征选择；S14、对水质数据进行标准化处理，计算公式为：其中，是标准化后的数据；是实测数据；是数据集的平均值；是数据集的标准差；S2、根据叶绿素a值，对预处理后的水质数据划分水华级别；S3、应用重采样方法解决水华级别数据不平衡问题，合成水华级别平衡的数据集；S4、基于OrdinalForests模型以步骤S3新合成的数据集作为输入变量，构建水华级别早期预警模型，利用训练后的水华级别早期预警模型进行水华级别早期预警；步骤S4的具体过程为：S41、对步骤S3新合成的数据集采取五折交叉验证的方法划分数据集，将新合成的数据集划分为5等份，5折反复轮流，每轮都选定1等份的数据集作为测试集，其他的数据汇总作为训练集；S42、在超参数给定的情况下，应用训练集数据训练OrdinalForests模型，使用前一天的水华级别和水质数据作为模型的输入变量，当天的水华级别作为模型的输出变量，实现基于OrdinalForests方法的水华级别早期预警模型的构建；S43、将测试集数据输入水华级别早期预警模型，应用准确性和一致性评估训练好的水华级别早期预警模型性能，调整水华级别早期预警模型的超参数；S44、将训练好的水华级别早期预警模型应用到水质监测站点，每天采取相同的步骤进行水质数据预处理和水华级别划分，将前一天的水华级别和水质数据作为输入变量输入到水华级别早期预警模型中，得到当地每日的水华等级预报单。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于Ordinal Forests模型的水华级别早期预警方法

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