[发明专利]基于ID3算法和神经网络的海面溢油监测阈值设定方法

权利要求书

1.一种海面溢油监测系统的阈值设定方法，其特征在于，包括以下步骤：

(1)海面溢油监测系统从互联网获取被监测海域的天气、潮汐、太阳高度、紫外线强度这些环境信息和当前的时间；

(2)根据环境信息构造ID3决策树，得到ID3决策树监测阈值T1；根据天气信息和时间信息训练神经网络得到神经网络监测阈值T2；

(3)将被监测海域的海面荧光数据存入数据库，溢油监测系统读取数据库中的海面荧光数据并进行匹配滤波处理；

(4)将对海面溢油的监测分为两个时间段，即将从安装监测系统起三年内作为第一个监测时间段，三年以后作为第二个监测时间段；

(5)根据设定的时间段，判定海面是否发生溢油：

在第一个监测时间段，将经匹配滤波处理后的数据最大值T与ID3决策树监测阈值T1进行比较：若TT1，则判定海面发生溢油，触发报警装置，否则，判定海面没有发生溢油；

在第二个监测时间段，将经匹配滤波处理后的数据最大值T与神经网络监测阈值T2进行比较：若TT2，则判定海面发生溢油，触发报警装置，否则，判定海面没有发生溢油；

(6)工作人员收到报警信号后，通过监测系统传输模块传送的实时画面判断是否发生溢油：

若海面发生溢油，则通知工作人员采取有效措施处理溢油事故；

若海面未发生溢油，则人工修改阈值，并返回步骤(2)重新构造ID3决策树或训练神经网络。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中被监测海域的天气、潮汐和紫外线强度这些信息，从互联网上每隔一个小时获取一次。

3.根据权利要求1所述的方法，其特征在于，步骤(1)的太阳高度，通过当前时间和当地地理经纬度计算得到。

4.根据权利要求1所述的方法，其特征在于，步骤(2)中根据环境信息构造ID3决策树，按以下步骤进行：

(2a)把天气、潮汐、太阳高度、紫外线强度作为ID3决策树的4个不同的属性特征；

(2b)计算4个不同属性特征的信息增益，选取信息增益最大的属性特征作为最佳属性生成根节点属性，然后为根结点属性的每个可能值产生一个分支，并把其它属性特征作为训练样本排列到适当的分支之下；

(2c)重复(2b)过程，选取每个分支下信息增益最大的属性特征作为最佳属性特征生成每个分支节点的节点属性，构建得到ID3决策树；

(2d)把当前天气、潮汐、太阳高度、紫外线强度这些环境信息放到ID3决策树里进行决策，得到ID3决策树监测阈值T1。

5.根据权利要求1所述的方法，其特征在于，步骤(2)中根据被监测海域的天气信息和时间信息训练神经网络得到神经网络监测阈值T2，按以下步骤进行：

(2e)选用BP神经网络作为被训练的神经网络模型，该神经网络共有3层：输入层、隐藏层、输出层；

(2f)设定神经网络模型的输入层有2个神经元，隐藏层有4个神经元，输出层有1个神经元；

(2g)把天气信息和时间信息作为输入层的2个神经元，放到神经网络里进行训练，得到神经网络监测阈值T2。

6.根据权利要求1所述的方法，其特征在于，所述海面溢油监测系统，包括：

激发与探测模块，用于获取海面的荧光数据；

控制与信号采集处理模块，用于控制协调整个系统的正常工作；

无线通信模块，用于把收集得到的海面溢油数据传送给计算机终端进行后期处理；

声光报警模块，用于在海面发生溢油时发出警报通知工作人员；

摄像模块，用于传送海面的实时画面便于工作人员判定海面是否真的发生溢油。

7.根据权利要求6所述的方法，其特征在于，所述海面溢油监测系统，安装在港口、码头这些重点监测区域，且采用定点监测模式，采集到的数据通过无线数据传输或电缆的传输模式发送到控制中心，以进行实时画面显示。