[发明专利]水体质量预测方法、终端设备及计算机可读存储介质

权利要求书

1.一种水体质量预测方法，其特征在于，包括：

S1根据水体质量参数构建水体质量预测模型，所述水体质量预测模型包括输入层、径向基层及输出层，所述径向基层包括八个径向基，由所述输入层到所述径向基层采用非线性变换，由所述径向基层到所述输出层为线性变换；

S2将所述水体质量预测模型中所有的权值和神经元阈值作为输入向量，初始化第一预定数量的输入向量的值；

S3根据所述输入向量的值与目标函数对所述第一预定数量的输入向量进行寻优操作以确定最优输入向量；

S4将第二预设数量的输入向量进行柯西扰动得到所述第二预设数量的输入向量对应的新值；

S5对所述第二预设数量的输入向量对应的新值进行所述寻优操作，及根据对应的寻优结果更新所述最优输入向量；

S6将除更新后的最优输入向量之外的其他所有输入向量分为两组；

S7根据第一组中的每一输入向量的最近邻输入向量的值计算该输入向量对应的新值，及根据预设水下地标算子、光照高斯分布算子、溶解度浓度柯西分布算子、食物分布高斯分布算子及水流因子计算第二组中输入向量对应的新值；

所述水流因子采用进行计算，其中，Z_i为所述第二组中输入向量，r5表示所述水流因子；

S8根据第一组中所有输入向量的新值及第二组中所有输入向量的新值对两组输入向量进行所述寻优操作，根据对应的寻优结果再次更新所述最优输入向量；

S9将所述再次更新后的最优输入向量中权值和阈值赋予所述水体质量预测模型，通过样本数据对水体质量预测模型进行训练，并继续执行步骤S3及S3之后所有步骤直至达到预设条件后停止训练，根据训练好的水体质量预测模型进行水体质量预测。

2.根据权利要求1所述的水体质量预测方法，其特征在于，每一径向基均采用如下所示的神经元模型公式：

其中，Q为径向基层的输出，n为输入层中水体质量参数的个数，w_i为第i个水体质量参数对应的权值，x_i为输入层中第i个水体质量参数，b为神经元阈值。

3.根据权利要求1所述的水体质量预测方法，其特征在于，通过下述公式对所述第一预定数量的输入向量的值进行初始化：

x_ij＝β(x_up-x_down)+x_down

其中，x_ij为输入向量的值，β为混沌随机数，其取值范围为(0，1)，[x_down,x_up]为x_ij的定义域。

4.根据权利要求1所述的水体质量预测方法，其特征在于，所述“根据所述输入向量的值与目标函数对所述第一预定数量的输入向量进行寻优操作以确定最优输入向量”包括：

分别将每一输入向量中权值和阈值赋予所述水体质量预测模型，通过预定样本数据对每一输入向量对应的水体质量预测模型进行训练得到水体质量的预测值，其中，所述样本数据中包括水体质量的实际值；

将每一输入向量对应的样本数据的数目、水体质量的预测值及水体质量的实际值通过所述目标函数后得到对应目标值，所述目标函数为：

其中，g为目标函数，k为每一输入向量对应样本数据的数目，为每一输入向量中第i个样本数据通过所述水体质量预测模型后输出的水体质量的预测值，y_i为每一输入向量中第i个样本数据的水体质量的实际值；

将所有输入向量的目标值进行排序，选取最小目标值对应的输入向量作为最优输入向量。