本發(fā)明涉及水質(zhì)預(yù)測，具體地說，涉及基于機(jī)器學(xué)習(xí)算法的水質(zhì)預(yù)測系統(tǒng)。

背景技術(shù)：

1、水質(zhì)預(yù)測是一種利用數(shù)據(jù)驅(qū)動(dòng)的方法，通過分析和處理歷史水質(zhì)數(shù)據(jù)，預(yù)測未來的水質(zhì)變化，用于監(jiān)測水體健康狀況，預(yù)警水質(zhì)惡化事件，支持水資源管理決策，由于水源中會(huì)存在藍(lán)藻，藍(lán)藻會(huì)產(chǎn)生毒素，并對人類、魚類和其他水生生物有害，導(dǎo)致降低水體的氧含量，當(dāng)藍(lán)藻繁殖迅速時(shí)，會(huì)引發(fā)水體藻華，使水源出現(xiàn)異味和顏色變化，由于無法準(zhǔn)確根據(jù)藍(lán)藻的濃度趨勢有預(yù)測出水質(zhì)指標(biāo)的變化，導(dǎo)致水質(zhì)變差，于是我們提供了基于機(jī)器學(xué)習(xí)算法的水質(zhì)預(yù)測系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于機(jī)器學(xué)習(xí)算法的水質(zhì)預(yù)測系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供基于機(jī)器學(xué)習(xí)算法的水質(zhì)預(yù)測系統(tǒng)，包括檢測判斷單元、比對預(yù)測單元、預(yù)測水質(zhì)單元；

3、所述檢測判斷單元獲取需要預(yù)測水質(zhì)的水源數(shù)據(jù)和歷史數(shù)據(jù)，并利用熒光傳感器檢測水源中藍(lán)藻的濃度數(shù)據(jù)，再根據(jù)藍(lán)藻濃度數(shù)據(jù)預(yù)測藍(lán)藻濃度趨勢的預(yù)測值，利用藍(lán)藻濃度趨勢的預(yù)測值與設(shè)定的標(biāo)準(zhǔn)閾值進(jìn)行藍(lán)藻生長趨勢的判斷；

4、所述比對預(yù)測單元用于接收檢測判斷單元中的數(shù)據(jù)并檢測碳酸氫根離子和碳酸離子的濃度，再根據(jù)檢測的碳酸氫根離子和碳酸離子濃度計(jì)算ph值，根據(jù)計(jì)算的ph值判斷藍(lán)藻的生長促使了ph值升高，再利用線性回歸公式根據(jù)歷史數(shù)據(jù)預(yù)測ph值的趨勢；

5、所述預(yù)測水質(zhì)單元用于接收檢測判斷單元中和比對預(yù)測單元中的數(shù)據(jù)，并根據(jù)檢測判斷單元藍(lán)藻濃度趨勢數(shù)據(jù)和比對預(yù)測單元中預(yù)測的ph值趨勢數(shù)據(jù)預(yù)測某時(shí)間點(diǎn)的水質(zhì)質(zhì)量。

6、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述檢測判斷單元包括檢測數(shù)據(jù)模塊和數(shù)據(jù)判斷模塊；

7、所述檢測數(shù)據(jù)模塊獲取需要預(yù)測水質(zhì)的水源數(shù)據(jù)和歷史數(shù)據(jù)，并通過傳感器獲取水源周圍的環(huán)境因素?cái)?shù)據(jù)，環(huán)境因素?cái)?shù)據(jù)包括水溫度和光照，利用熒光傳感器檢測水源中藍(lán)藻的存在，以及藍(lán)藻的濃度數(shù)據(jù)；

8、歷史數(shù)據(jù)包括歷史ph值；

9、所述數(shù)據(jù)判斷模塊用于接收檢測數(shù)據(jù)模塊中環(huán)境因素?cái)?shù)據(jù)和藍(lán)藻濃度數(shù)據(jù)，并通過各種儀器檢測水質(zhì)中的物理指標(biāo)和化學(xué)指標(biāo)，并利用決策樹根據(jù)環(huán)境因素?cái)?shù)據(jù)、藍(lán)藻濃度數(shù)據(jù)、物理指標(biāo)和化學(xué)指標(biāo)數(shù)據(jù)預(yù)測藍(lán)藻濃度趨勢的預(yù)測值，再利用藍(lán)藻濃度趨勢的預(yù)測值與設(shè)定的標(biāo)準(zhǔn)閾值進(jìn)行藍(lán)藻生長趨勢的判斷。

10、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)判斷模塊中具體判斷情況包括：

11、情況①、當(dāng)藍(lán)藻濃度趨勢的預(yù)測值大于設(shè)定的標(biāo)準(zhǔn)閾值時(shí)，說明環(huán)境因素、物理指標(biāo)和化學(xué)指標(biāo)數(shù)據(jù)促進(jìn)藍(lán)藻生長，使藍(lán)藻濃度趨勢上升，將藍(lán)藻濃度趨勢上升的命令傳入數(shù)據(jù)比對模塊中；

12、情況②、當(dāng)藍(lán)藻濃度趨勢的預(yù)測值小于設(shè)定的標(biāo)準(zhǔn)閾值時(shí)，說明藍(lán)藻濃度趨勢處于下降。

13、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述比對預(yù)測單元包括數(shù)據(jù)比對模塊和趨勢預(yù)測模塊；

14、所述數(shù)據(jù)比對模塊用于接收數(shù)據(jù)判斷模塊中藍(lán)藻濃度趨勢上升的命令數(shù)據(jù)，數(shù)據(jù)比對模塊向檢測數(shù)據(jù)模塊中獲取水源數(shù)據(jù)，并對獲取的水源數(shù)據(jù)進(jìn)行碳酸氫根離子和碳酸離子濃度的檢測，再根據(jù)檢測的碳酸氫根離子和碳酸離子濃度進(jìn)行ph值的計(jì)算，并利用計(jì)算的ph值與設(shè)定的標(biāo)準(zhǔn)ph值進(jìn)行比對；

15、所述趨勢預(yù)測模塊用于接收數(shù)據(jù)比對模塊中ph值升高的命令數(shù)據(jù)和計(jì)算的ph值，當(dāng)趨勢預(yù)測模塊接收到ph值升高的命令數(shù)據(jù)時(shí)，趨勢預(yù)測模塊向檢測數(shù)據(jù)模塊中獲取歷史數(shù)據(jù)中的歷史ph值，并將計(jì)算的ph值與歷史ph值更新成完整的歷史ph值數(shù)據(jù)，將完整的歷史ph值數(shù)據(jù)輸入線性回歸模型中，線性回歸模型根據(jù)完整的歷史ph值數(shù)據(jù)中的不同ph值輸出對應(yīng)的線性回歸系數(shù)，以及線性回歸模型產(chǎn)生的誤差項(xiàng)，并利用線性回歸公式根據(jù)完整的歷史ph值數(shù)據(jù)、相應(yīng)的回歸系數(shù)和誤差項(xiàng)預(yù)測ph值的趨勢。

16、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)比對模塊中具體比對情況包括：

17、情況一、當(dāng)計(jì)算的ph值大于設(shè)定的標(biāo)準(zhǔn)ph值時(shí)，說明藍(lán)藻的生長促使了ph值升高，將ph值升高的命令數(shù)據(jù)傳入趨勢預(yù)測模塊中；

18、情況二、當(dāng)計(jì)算的ph值小于設(shè)定的標(biāo)準(zhǔn)ph值時(shí)，說明藍(lán)藻的生長沒有促使了ph值升高。

19、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述趨勢預(yù)測模塊中利用線性回歸公式預(yù)測ph值的趨勢的實(shí)現(xiàn)原理：

20、收集完整的歷史ph值數(shù)據(jù)wph、相應(yīng)的回歸系數(shù)β和誤差項(xiàng)ε預(yù)測ph值的趨勢，得出預(yù)測的ph值趨勢數(shù)據(jù)qsph，具體算法公式：

21、qsph＝ph0+(ph1×β1)+(ph2×β2)+...+(phn×βn)+ε；

22、其中，ph0是常數(shù)項(xiàng)，ph1指的是完整的歷史ph值數(shù)據(jù)中第1個(gè)ph值數(shù)據(jù)，phn指的是完整的歷史ph值數(shù)據(jù)中第n個(gè)ph值數(shù)據(jù)，β1指的是第1個(gè)ph值數(shù)據(jù)對應(yīng)的線性回歸系數(shù)，βn指的是第n個(gè)ph值數(shù)據(jù)對應(yīng)的線性回歸系數(shù)。

23、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述預(yù)測水質(zhì)單元用于接收數(shù)據(jù)判斷模塊中藍(lán)藻濃度趨勢數(shù)據(jù)、物理指標(biāo)和化學(xué)指標(biāo)數(shù)據(jù)，接收趨勢預(yù)測模塊中預(yù)測的ph值趨勢數(shù)據(jù)和檢測數(shù)據(jù)模塊中獲取的水源數(shù)據(jù)，并將藍(lán)藻濃度趨勢數(shù)據(jù)、物理指標(biāo)數(shù)據(jù)、化學(xué)指標(biāo)數(shù)據(jù)、預(yù)測的ph值趨勢數(shù)據(jù)輸入多源回歸模型中進(jìn)行學(xué)習(xí)，并輸出截距項(xiàng)和偏差項(xiàng)，同時(shí)多源回歸模型根據(jù)學(xué)習(xí)的結(jié)果預(yù)測某時(shí)間點(diǎn)的水質(zhì)質(zhì)量。

24、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述預(yù)測水質(zhì)單元中利用多源回歸模型預(yù)測某時(shí)間點(diǎn)的水質(zhì)質(zhì)量實(shí)現(xiàn)步驟：

25、步驟一、收集藍(lán)藻濃度趨勢數(shù)據(jù)ndqs、物理指標(biāo)數(shù)據(jù)wz、化學(xué)指標(biāo)數(shù)據(jù)hz、獲取的水源數(shù)據(jù)和預(yù)測的ph值趨勢數(shù)據(jù)qsph輸入多源回歸模型中，多源回歸模型學(xué)習(xí)輸入的數(shù)據(jù)并提取關(guān)鍵特征數(shù)據(jù)，利用多源回歸模型根據(jù)提取的關(guān)鍵特征數(shù)據(jù)gjtz得出提取的關(guān)鍵特征對水源數(shù)據(jù)的影響

26、步驟二、多源回歸模型根據(jù)提取的關(guān)鍵特征計(jì)算提取的關(guān)鍵特征的滯后值和提取的關(guān)鍵特征在一個(gè)時(shí)間窗口內(nèi)的平均值δi，并得出提取的關(guān)鍵特征的滯后值對水源數(shù)據(jù)的影響γi；

27、步驟三、利用提取的關(guān)鍵特征對水源數(shù)據(jù)的影響提取的關(guān)鍵特征的滯后值對水源數(shù)據(jù)的影響γi、提取的關(guān)鍵特征在一個(gè)時(shí)間窗口內(nèi)的平均值δi、截距項(xiàng)α0和偏差項(xiàng)θ預(yù)測某時(shí)間點(diǎn)的水質(zhì)質(zhì)量，得出預(yù)測的某時(shí)間點(diǎn)水質(zhì)質(zhì)量wt，具體算法公式：

28、

29、其中，t指的是時(shí)間點(diǎn)，m指的是提取的關(guān)鍵特征的數(shù)量。

30、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

31、該基于機(jī)器學(xué)習(xí)算法的水質(zhì)預(yù)測系統(tǒng)中，預(yù)測水質(zhì)單元用于接收數(shù)據(jù)判斷模塊中藍(lán)藻濃度趨勢數(shù)據(jù)、物理指標(biāo)和化學(xué)指標(biāo)數(shù)據(jù)，接收趨勢預(yù)測模塊中預(yù)測的ph值趨勢數(shù)據(jù)和檢測數(shù)據(jù)模塊中獲取的水源數(shù)據(jù)，并將藍(lán)藻濃度趨勢數(shù)據(jù)、物理指標(biāo)數(shù)據(jù)、化學(xué)指標(biāo)數(shù)據(jù)、預(yù)測的ph值趨勢數(shù)據(jù)輸入多源回歸模型中進(jìn)行學(xué)習(xí)，并輸出截距項(xiàng)和偏差項(xiàng)，同時(shí)多源回歸模型根據(jù)學(xué)習(xí)的結(jié)果預(yù)測某時(shí)間點(diǎn)的水質(zhì)質(zhì)量，通過預(yù)測未來的水質(zhì)變化，可以提前識別可能的污染問題，從而采取預(yù)防措施，減少污染源或增加水質(zhì)處理，提高了水質(zhì)管理效率。