[发明专利]一种湖库营养状态的智能判别方法及装置

权利要求书

1.一种湖库营养状态的智能判别方法，其特征在于：包括以下步骤：

㈠测量目标湖库的水体透明度、叶绿素a浓度、总磷浓度和总氮浓度四个特征水质参数，测量频率不低于1次/周，时间间隔不低于4周，取各指标的平均值；

㈡调查目标湖库的经纬度和水面海拔高度，确定其所属的地理区划为“寒带”、“内陆山区”、“内陆平原区”、“滨海区”和“干旱及过渡区”之一；

㈢按照下表中的目标湖库所属不同地理区划，选取特征判别指标进行第一次判别，得到营养状态结果I, 

 

其中，对于寒带、内陆山区、内陆平原和滨海平原，特征判别指标仅为叶绿素a浓度，对于干旱及过渡区，特征判别指标为叶绿素a浓度、透明度和总磷浓度；

㈣用神经网络数据驱动方法对四个判别特征指标：水体透明度、叶绿素a浓度、总磷浓度和总氮浓度进行非线性分析，得出归一化的营养状态结果II，结果II为“贫营养”、“中营养”和“富营养”之一；

㈤比较结果I和结果II，若结果一致，均为“富营养”，或均为“中营养”，或均为“贫营养”，则输出一致的营养状态结果为最终结果，判别结束；

㈥比较结果I和结果II，若结果I和结果II分别为“富营养”和“贫营养”，则输出最终结果为“中营养”， 判别结束；

㈦若结果I和结果II分别为“富营养”和“中营养”，或分别为“中营养”和“贫营养”，则计算总氮和总磷比值W，若W大于15，则选择结果I为最终结果；若W小于15，则选择结果II为最终结果，判别结束。

2. 如权利要求1所述的湖库营养状态的智能判别方法，其特征在于：所述步骤㈣中，神经网络数据驱动方法具体为：采用下式对叶绿素a浓度、总磷浓度、总氮浓度和透明度四个判别特征指标进行非线性计算后加权平均，得到确定性评分值，根据确定性评分值所属营养级别得出归一化的营养状态结果II，

式中为第k-1层内神经元i到第k层内神经元j的连接权因子；为该神经元的阈值；为网络节点非线性作用函数；为第k层神经元的数目，M为神经网络模型的总层数。

3. 用于权利要求1所述湖库营养状态的智能判别方法的装置，其特征在于：包括数据采集模块、数据判别模块和数据发布模块；

所述数据采集模块包括：

多参数水质检测仪，直接投放在水体中对特征水质叶绿素a浓度、总磷浓度和总氮浓度进行测量；

赛氏盘，放入水下，记录刚好看不清的深度，以此来标定水质最大透明度；

GPS全球定位系统，直接测定目标湖库的经纬度和水面海拔高度；

所述数据判别模块包括：

水质信息预处理模块，用于接收所述多参数水质检测仪传输的水质参数值以及所述赛氏盘传输的透明度；

地理区划分类模块，用于接收所述GPS全球定位系统传输的目标湖库的经纬度和水面海拔高度，并确定其所属的地理区划为“寒带”、“内陆山区”、“内陆平原区”、“滨海区”和“干旱及过渡区”之一；

基于地理区划的判别模块，用于接收所述地理区划分类模块的信息，并按照目标湖库所属不同地理区划表选取特征判别指标进行第一次判别，得到营养状态结果I；

神经网络数据驱动分析模块，包括输入层、隐含层和输出层，所述输入层设有4个输入节点分别接收所述水质信息预处理模块传输的叶绿素a浓度、总磷浓度、总氮浓度和透明度，所述隐含层包括5个节点并采用双曲正切函数对所述输入层的输出进行计算，所述输出层将计算结果作为营养状态结果II输出；

结果优选模块，接收所述神经网络数据驱动分析模块和基于地理区划的判别模块的输出营养状态结果，进行比较判别，并将最终结果传给数据发布模块；

所述数据发布模块包括：

管理发布终端：接收所述结果优选模块的输出营养状态结果，并进行发布。