龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西安石油大学
摘要：本发明公开了一种样本扩充结合改进粒子群算法的水体污染物预测方法，包括以下步骤；S1：水体样本采集：使用光谱仪扫描采集到的水体样本，获得原始透射光谱数据；S2：光谱数据样本获取：使用光谱仪扫描采集到的水体样本，获得原始透射光谱数据；S3：光谱数据预处理：S4：样本数据扩充：S5：参数寻优：S6：建立浓度预测模型：使用S5中的最佳超参数组合设置下的CNN模型，在训练集中对水体总磷浓度进行训练；并将测试集数据导入已建立的预测模型中，使用三个性能评价参数验证模型的稳定性和预测性能；S7：利用构建的多算法融合模型预测水体总磷浓度大小。本发明能够快速、准确地进行水质污染物预测，提高水环境监测的效率和可行性。
主权项：1.一种样本扩充结合改进粒子群算法的水体污染物预测方法，其特征在于，包括以下步骤；S1：水体样本采集：采集待测量水体样本，获取原始数据库样本；S2：光谱数据样本获取：使用光谱仪扫描采集到的水体样本，获得原始透射光谱数据；S3：光谱数据预处理：对S2中的原始透射光谱数据进行预处理操作；预处理用于减少噪声；S4：样本数据扩充：使用S3中预处理操作下的透射光谱数据进行数据扩充操作；用于增大数据集样本数量；S5：参数寻优：对扩充后的样本数据，使用改进的粒子群优化算法对CNN模型训练时每层卷积核的大小和个数、池化窗口大小、全连接层中神经元个数进行寻优，获取最佳超参数组合；S6：建立浓度预测模型：使用S5中的最佳超参数组合设置下的CNN模型，在训练集中对水体总磷浓度进行训练；并将测试集数据导入已建立的预测模型中，使用三个性能评价参数验证模型的稳定性和预测性能；S7：利用构建的多算法融合模型预测水体总磷浓度大小。
全文数据：
权利要求：
百度查询： 西安石油大学 一种样本扩充结合改进粒子群算法的水体污染物预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号