一种基于人工智能及随机自适应阈值的湿地预警方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111210128 A (43)申请公布日 2020.05.29 (21)申请号 201911381469.3 (22)申请日 2019.12.27 (71)申请人 广东工业大学 地址 510062 广东省广州市大学城外环西 路100号 (72)发明人 欧阳怡然　蔡宴朋　周子旋　 潘炜杰　 肖俊　 (74)专利代理机构 广东广信君达律师事务所 44329 代理人 杨晓松 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 权利要求书3页 说明书7页 附图2页 (54)发明名称 一种基于人工智能及随机自适应阈值的湿 地预警方法 (57)摘要 本发明公开了一种基于人工智能及随机自 适应阈值的湿地预警方法，应用循环迭代的原 理，建立一个随机自适应参数学习模块，使预警 系统拥有自适应调节功能。考虑湿地水系统所面 临的众多不确定性，将不确定性量化理论(随机) 应用于随机自适应阈值的构建，并使用正常阈值 参数概率密度函数(PDF)及正常阈值参数累积分 布密度函数(CDF)等概念将随机不确定性进行定 量化，使用遗人工智能算法以保证实时预警的反 应效率。利用预测数据与观测数据的残差分析作 为监控湿地生态状态的指标数据，使得预警系统 A 更加灵敏；贝叶斯的引入降低了误警率，引入迭 8 代预警率。从而全面提高了湿地健康预警的准确 2 1 0 度。 1 2 1 1 1 N C CN 111210128 A 权　利　要　求　书 1/3页 1.一种基于人工智能及随机自适应阈值的湿地预警方法，其特征在于，包括以下步骤： S1、确定研究区域湿地内相关的地面监测指标以及确定研究区内的监测点位；然后对 研究区内的每个监测点位按监测频次进行持续水生态监测，获得时间上连续的地面监测指 标的监测数据；每一组数据皆为时间序列的数据集； S2、利用主成分分析法对步骤S1所得的众多监测指标的监测数据进行降维处理，抽取 每大类指标中的主成分，并进行标准化处理，保证神经网络的数据口径一致； S3、建立神经网络模型，模型的输入层为降维标准化处理后的数据结果，输出层为待预 测的指标值，建立每一个指标与其他指标和其滞后时间指标之间的关系； S4、将步骤S3得到的预测结果与步骤S2得到的降维后的监测值进行按时间序列求残 差，建立基于时间序列的残差数据序列； S5、为相应监测指标设置随机自适应阈值，当相应监测指标的残差值超过阈值时，触发 异常状态，按时间序列将异常状态进行储存后进入步骤S8；当相应监测指标的残差值未超 过阈值时，为正常状态，按正常状态的时间序列监测值及其正常状态时间序列残差值储存 后进入步骤S6； S6、将正常状态的时间序列监测值及其正常状态时间序列残差值录入随机自适应学习 模块：正常状态时间序列残差值带入随机自适应阈值计算器，求出正常状态下的随机自适 应阈值调节参数DT ； i S7、将参数输入正常阈值参数数据库，以方便实时更新的正常阈值参数概率密度函数 PDF，而后转换为实时更新的正常阈值参数累积分布密度函数CDF，由此完成不确定量化的 工作，并可根据不同的监控强度q得到不同的随机自适应阈值；