买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东锋士信息技术有限公司

摘要：本发明涉及基于人工深度神经网络反演水体叶绿素a的方法，属于水环境监督技术领域。通过实测和标准曲线计算获得多组叶绿素a浓度测值；根据采样点的位置以及该位置的遥感影像的波段值，建立不同采样点波段值与叶绿素a浓度测值的线性关系；利用线性关系模拟多组叶绿素a浓度作数据集，将训练集和对应遥感影像的波段值作为输入层，利用蚁群算法优化的初始权重和偏置，输入人工深度神经网络进行训练；利用损失值和优化函数对权重和偏置进行优化，训练完成得到网络模型。本发明方法具有并行处理能力、非线性、容错性、自适应性和自学习性等优势，可以有效提高水体叶绿素a数据拟合的精度，同时减少水体叶绿素a测量过程中的人力物力投入。

主权项：1.基于人工深度神经网络反演水体叶绿素a的方法，其特征是，包括步骤如下：S1.确定水体叶绿素a采样点，从不同采样点采集的水样中提取叶绿素并利用分光光度法测叶绿素a浓度，绘制吸光度值和相应的叶绿素a浓度的关联标准曲线，测定不同样品的吸光度根据标准曲线计算出样品中叶绿素a的含量，通过实测和计算获得多组叶绿素a浓度测值；S2.下载所测水体区域的遥感影像数据，根据采样点的位置以及该位置的遥感影像的波段值，将各采样点对应的遥感影像波段值作为x坐标，各采样点的叶绿素a浓度测值作为y坐标，建立不同波段值与叶绿素a浓度之间的线性关系式，取这些线性关系式中相关系数R²最大的作为最终的波段值与叶绿素a浓度的线性关系式；S3.根据波段值与叶绿素a浓度之间的线性关系式模拟多组叶绿素a浓度作数据集，划分训练集和测试集，将训练集和对应遥感影像的波段值作为输入层，利用蚁群算法优化的初始权重和偏置，输入人工深度神经网络进行训练，在输出层得到模拟的叶绿素a浓度；用蚁群算法优化人工深度神经网络参数的步骤为：（1）读取遥感影像波段数据和叶绿素a测值，初始化人工深度神经网络的结构与蚁群算法的参数；（2）计算解空间的维度，初始化蚂蚁位置与最高信息素；（3）根据蚂蚁的位置，计算信息素含量；（4）计算最高信息素，更新最优的个体位置；（5）按概率转移和更新蚂蚁位置；（6）执行步骤（3）-（5）的循环体，达到终止代数；（7）取出优化后的最佳蚂蚁位置坐标，赋给人工神经网络，得到最优的初始权重和偏置；（8）优化后的人工神经网络进行训练与测试；S4.利用模拟得到的叶绿素a浓度与叶绿素a浓度测值计算损失函数，利用损失值和优化函数对权重和偏置进行优化，最终得到训练完成的人工深度神经网络；S5.将测试集数据输入到训练好的最优网络模型中测试，得到的网络模型即为叶绿素a的反演模型，输入水域范围遥感影像计算出该水域的水体叶绿素a浓度。

全文数据：

权利要求：

百度查询： 山东锋士信息技术有限公司 基于人工深度神经网络反演水体叶绿素a的方法