[发明专利]一种赤潮预警方法

权利要求书

1.一种赤潮预警方法，其特征在于，对于给定的样本数据，随机选取部分样本数据作为训练样本，其余作为测试样本，并分别做归一化处理；该样本数据包括浮标观测参数、潮位以及气象要素；其余步骤如下：

1)将训练样本输入MLP神经网络模型训练，调整拓扑结构和参数得到若干组训练后的MLP神经网络模型；

2)将测试样本分别输入每一组训练后的MLP神经网络模型进行测试，并选出几组训练效果最好的训练后的MLP神经网络模型进行集成选取最优化的输出数据作为未来一段时间内的预测数据；

3)根据预测数据中的叶绿素和溶解氧的含量，采用异常值判断法计算得到未来一段时间内的海水赤潮等级。

2.如权利要求1所述的一种赤潮预警方法，其特征在于，在步骤3)中，所述的异常值判断法为：先计算样本数据中各时刻的历史平均值及总的标准偏差，然后将预测数据中的叶绿素和溶解氧的含量分别减去对应的历史平均值得到异常值，根据该异常值与标准偏差之间的关系来进行判断分级。

3.如权利要求2所述的一种赤潮预警方法，其特征在于，在步骤3)中，当叶绿素和溶解氧的异常值均小于零时，海水赤潮等级为一级；当叶绿素和溶解氧的异常值均大于等于零且小于标准偏差的二分之一时，海水赤潮等级为二级；当叶绿素和溶解氧的异常值均大于等于标准偏差的二分之一时，海水赤潮等级为三级。

4.如权利要求1所述的一种赤潮预警方法，其特征在于，所述浮标观测参数包括水温、盐度、溶解氧、pH值和叶绿素，气象要素包括温度、风向、风速、气压和湿度。

5.如权利要求1所述的一种赤潮预警方法，其特征在于，在步骤2)中，选出训练效果最好的4-6组拓扑结构进行集成选取最优化的结果作为未来一段时间内的预测数据，所述训练效果最好是指误差最小。

6.如权利要求1所述的一种赤潮预警方法，其特征在于:在步骤2)中，通过所述测试样本和所述训练样本的分类准确率来确定训练效果。

7.如权利要求1所述的一种赤潮预警方法，其特征在于：在步骤2)中所述集成选取最优化的数据是指将所述几组MLP神经网络模型测试输出的数据的平均值作为所述预测数据。

8.如权利要求1所述的一种赤潮预警方法，其特征在于：对于所述给定的样本数据，随机选取70％-90％的样本数据作为训练样本，10％-30％作为测试样本。

9.如权利要求1所述的一种赤潮预警方法，其特征在于：所述MLP神经网络模型为采用基于误差反向传播算法的人工神经网络模型。