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:自然资源部第一海洋研究所
摘要:本发明涉及海洋调控技术领域,具体涉及海洋溶解氧浓度智能调控方法,包括以下步骤:通过设置在海洋中的多点传感器网络,实时采集海洋中不同深度和位置的溶解氧浓度、水温、盐度、pH值;建立海洋溶解氧浓度动态模型,预测未来时间段内溶解氧浓度的变化趋势;根据预测结果和预设的溶解氧浓度标准,自动生成调控方案;实时调整增氧设备的工作状态,以保证溶解氧浓度在目标范围内;综合考虑海洋中的生物活动、气象条件、海流变化因素,对调控方案进行优化。本发明,根据预测结果和预设的溶解氧浓度标准,自动生成并执行调控方案,实现溶解氧浓度的精准动态调控。
主权项:1.海洋溶解氧浓度智能调控方法,其特征在于,包括以下步骤:S1,数据采集与初步处理,通过设置在海洋中的多点传感器网络,实时采集海洋中不同深度和位置的溶解氧浓度、水温、盐度、pH值,将采集到的数据通过无线传输至数据预处理中心进行初步处理;S2,数据分析与预测:利用数据分析算法对初步处理后的溶解氧浓度、水温、盐度、pH值数据进行深入分析,建立海洋溶解氧浓度动态模型,预测未来时间段内溶解氧浓度的变化趋势,具体包括:S21,对每个环境参数数据集进行统计分析,计算均值、标准差、相关系数统计指标,采用主成分分析方法,降低数据维度,提取主影响因子;S22,模型建立:基于数据分析的结果,利用贝叶斯网络建立溶解氧浓度动态预测模型,包括以下步骤:变量选择与因果关系确定:选择溶解氧浓度、水温、盐度和pH值作为变量,利用结构学习算法确定变量之间的因果关系,构建贝叶斯网络结构;参数学习:利用历史数据,通过贝叶斯估计方法,学习贝叶斯网络中的条件概率分布,采用交叉验证方法验证贝叶斯网络模型的稳定性,确保模型能够准确预测溶解氧浓度的变化;S23,趋势预测:利用所建立的贝叶斯网络动态预测模型,预测未来不同时间段内的溶解氧浓度变化趋势,包括将最新的溶解氧浓度、水温、盐度、pH值数据输入到训练好的贝叶斯网络模型中,进行推理和预测,生成未来时间段内溶解氧浓度的预测结果,并对预测结果进行可视化展示,包括预测曲线、置信区间;所述主成分分析包括:构建数据矩阵X: 其中,Xij表示第i个样本的第j个特征,n为样本数,p为特征数;去中心化:其中,为数据矩阵每列的均值;计算协方差矩阵C:计算协方差矩阵的特征值和特征向量:Cvi=λivi;其中,λi为特征值,vi为对应的特征向量;选择主要成分进行数据降维;所述结构学习算法采用K2算法,在给定节点顺序的情况下,通过最大化得分来构建贝叶斯网络结构,具体包括:选择节点的顺序{X1,X2,…,Xn};初始化:对于每个节点Xi,设其没有父节点,初始得分为: 逐步增加父节点:对于每个节点Xi,逐步增加父节点集合Πi,使得得分S最大化:其中,PXi|Πi表示节点Xi在其父节点集合Πi条件下的概率;计算得分:使用贝叶斯信息准则计算得分: 其中,L为似然函数,k为模型参数的个数,n为样本数;更新父节点集合:如果增加某个父节点能提高得分,则将该节点加入∏i中,否则停止;通过最大化得分S,确定每个节点的最佳父节点集合,从而构建贝叶斯网络结构;所述贝叶斯估计方法表示为:其中,PY|X为似然函数,PX为先验概率,PY为证据;所述预测曲线表示为:其中,为时间t时刻的预测溶解氧浓度,Xt为时间t时刻的环境参数数据,f为贝叶斯网络模型;S3,智能决策与控制:根据预测结果和预设的溶解氧浓度标准,自动生成调控方案,调控方案包括增氧设备的开启关闭时间、增氧量的调整控制指令,具体包括:预测结果的获取:利用贝叶斯网络动态预测模型预测未来不同时间段内的溶解氧浓度变化趋势,得到预测结果;目标溶解氧浓度标准的设定:根据海洋生态环境要求和具体区域的生物需求,预设溶解氧浓度标准DOtarget;偏差计算:将预测结果DOpred与预设的溶解氧浓度标准DOtarget进行比较,计算偏差ΔDO:ΔDO=DOtarget-DOpred;调控方案生成:根据偏差ΔDO,自动生成增氧设备的调控方案,具体包括:确定增氧设备的开启关闭时间:当ΔDO>0确定增氧设备的开启时间和持续时间,以增加溶解氧浓度;当ΔDO≤0时,确定增氧设备的关闭时间,以节省能源;调整增氧量:根据偏差ΔDO的大小,调整增氧设备的增氧量,增氧量Q的调整公式为:Q=k×ΔDO,其中,k为增氧设备的增氧效率系数;S4,实时反馈与调整:通过传感器网络持续监测海洋环境参数,并将实际测得的溶解氧浓度与预测值进行对比,实时调整增氧设备的工作状态,以保证溶解氧浓度在目标范围内;S5,多源信息融合与优化:综合考虑海洋中的生物活动、气象条件、海流变化因素,对调控方案进行优化,提升系统的智能化和适应性。
全文数据:
权利要求:
百度查询: 自然资源部第一海洋研究所 海洋溶解氧浓度智能调控方法
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。