[发明专利]一种水质预警方法及系统

权利要求书

1.一种水质预警方法，其特征在于，所述方法，包括：

获取待测水域的当前生物运动特征数据；

将所述待测水域的当前生物运动特征数据，输入水质预警模型，得到所述待测水域的预警结果；所述水质预警模型是利用差分进化算法和灰狼优化算法对支持向量机模型进行训练得到的。

2.根据权利要求1所述的水质预警方法，其特征在于，在所述将所述待测水域的当前生物运动特征数据，输入水质预警模型，得到所述待测水域的预警结果之前，还包括：

建立支持向量机模型；

获取待测水域的生物运动特征历史数据；

将所述待测水域的生物运动特征历史数据作为训练集，利用差分进化算法和灰狼优化算法对所述支持向量机模型进行训练，得到水质预警模型。

3.根据权利要求2所述的水质预警方法，其特征在于，所述将所述待测水域的生物运动特征历史数据作为训练集，利用差分进化算法和灰狼优化算法对所述支持向量机模型进行训练，得到水质预警模型，具体包括：

构建初始狼群；

利用差分进化算法对所述初始狼群进行处理，得到优化后的初始狼群，将优化后的初始狼群作为训练狼群并初始化最优狼群目标函数值；

将所述训练狼群和所述训练集均输入所述支持向量机模型，计算所述训练狼群中每个个体的个体目标函数值；

根据所述个体目标函数值对所述训练狼群中的个体进行降序排序，并将前3个个体分别作为α狼、β狼和δ狼；

根据所述α狼的个体目标函数值、所述β狼的个体目标函数值和所述δ狼的个体目标函数值，更新所述最优狼群目标函数值；

更新所述训练狼群中每个个体的位置，令第一迭代次数的数值增加1，并返回步骤“将所述训练狼群和所述训练集均输入所述支持向量机模型，计算所述训练狼群中每个个体的个体目标函数值”，直至所述第一迭代次数达到第一迭代次数阈值，并将与所述最优狼群目标函数值对应的个体的位置作为所述支持向量机模型的参数，得到水质预警模型；所述支持向量机模型的参数包括：惩罚因子和核函数系数。

4.根据权利要求3所述的水质预警方法，其特征在于，所述利用差分进化算法对所述初始狼群进行处理，得到优化后的初始狼群，具体包括：

根据所述初始狼群构建父代种群；

将所述父代种群和所述训练集均输入所述支持向量机模型，计算所述父代种群的种群目标函数值；

采用差分进化算法，对所述父代种群进行交叉和变异处理，得到子代种群；

将所述子代种群和所述训练集均输入所述支持向量机模型，计算所述子代种群的种群目标函数值；

判断所述子代种群的种群目标函数值是否大于所述父代种群的种群目标函数值，得到第一判断结果；

若第一判断结果为是，则将所述父代种群更新为所述子代种群；

若第一判断结果为否，则保留所述父代种群；

令第二迭代次数的数值增加1，并返回步骤“采用差分进化算法，对所述父代种群进行交叉和变异处理，得到子代种群”直至所述第二迭代次数达到第二迭代次数阈值，并将所述父代种群确定为优化后的初始狼群。

5.根据权利要求3所述的水质预警方法，其特征在于，所述根据所述α狼的个体目标函数值、所述β狼的个体目标函数值和所述δ狼的个体目标函数值，更新所述最优狼群目标函数值，具体包括：

判断所述最优狼群目标函数值是否小于α狼的个体目标函数值，得到第二判断结果；

若第二判断结果为是，则将所述最优狼群目标函数值更新为α狼的个体目标函数值；

若第二判断结果为否，则判断所述最优狼群目标函数值是否小于β狼的个体目标函数值，得到第三判断结果；

若第三判断结果为是，则将所述最优狼群目标函数值更新为β狼的个体目标函数值；

若第三判断结果为否，则将所述最优狼群目标函数值更新为δ狼的个体目标函数值。