[发明专利]基于NB-IoT工业生态环境监测的GA-SVM预警模型系统

权利要求书

1.基于NB-IoT工业生态环境监测的SVM预警模型系统，其特征在于，该系统包括：工业生态环境原始数据采集层，用于采集工业生产过程中所排放的污染物原始数据；工业污染物数据采集层是融合了先进的传感器技术、单片机开发和NB-IoT技术；传感器技术是针对工业污染物的对象不同选取特定的传感器；单片机开发是对传感器采集的工业污染物原始数据进行汇总并传输至NB-IoT通信模块；NB-IoT技术则将汇总的工业污染物原始数据进行传送；原始数据传输层，建立NB-IoT通信模块与原始数据运用层的联系媒介；原始数据运用层，用于接收工业污染原始数据，经数据服务中心解析后，构建GA-SVM预警模型，利用遗传算法获取SVM的最优参数组合，并对模型进行评估，最终给出对工业生态环境的预测预警。

2.根据权利要求1所述的基于NB-IoT工业生态环境监测的GA-SVM预警模型系统，其特征在于，工业生态环境原始数据采集层是运用传感器技术针对特定的监测对象选取不同的传感器采集相应的原始数据；单片机开发采用STM32核心芯片为数据汇总模块，并与NB-IoT技术建立通信连接；NB-IoT技术是无线电通信协议，可与网络运营商的基础设备建立通信。

3.根据权利要求1所述的基于NB-IoT工业生态环境监测的GA-SVM预警模型系统，其特征在于，原始数据传输层，建立NB-IoT通信模块与数据运用层的联系媒介。

4.根据权利要求1所述的基于NB-IoT工业生态环境监测的SVM预警模型系统，其特征在于，原始数据运用层，用于接收工业污染原始数据，经数据服务中心解析后，将原始数据进行预处理；构建模型训练集和预测集并输入SVM模型中形成SVM的初始模型；并在此基础上运用遗传算法优化SVM初始模型，将遗传算法适应度定标，通过选择交叉变异等操作确定GA-SVM预警模型最优惩罚系数C、最优不敏感系数ε以及高斯径向基核函数的最优gamma参数。

5.根据权利要求4所述的基于NB-IoT工业生态环境监测的GA-SVM预警模型系统，其特征在于，采集与工业污染相关的污染数据构建原始数据集，并对数据集进行预处理，具体包括如下内容：

数据清洗：通过多项式拟合等方法来去除原数据中的离群点并进行缺省值填充。

数据集成：整理合并多个数据源中的数据。

数据转换和数据归约：通过数据形式转换和规约处理，以提高后期数据挖掘的质量和效率。

6.根据权利要求4所述的基于NB-IoT工业生态环境监测的GA-SVM预警模型系统，其特征在于，构建一个SVM的初始模型，通过训练序列发生器产生伪随机序列作为训练集，构建模型目标函数，计算得到一个最优超平面，具体包括如下内容：

归一化处理。对样本数据进行预处理，对建立的训练样本和测试样本进行归一化处理，消除原始变量之间的量纲差异，形成新的样本集矩阵。随机选取归一化处理好的数据集作为训练数据集，并对其进行分类，利用平均数方差法对工业污染数据进行归一化处理，其中x_mean为数据序列的均值，x_var为数据的方差，公式如下：

构建特征向量。设训练样本数据集为其中y_i表示样本所属类别，为训练数据集构建特征向量形成一个线性数据集生成目标函数。根据线性数据集中的集合形成一个最优超平面，构造n个函数集且满足不等式使得样本被准确分开，从而目标函数取得最小值。

误差调整。引入不敏感损失函数ε，忽略对真实值上下范围内的误差，由此线性函数目标化为：约束条件变为式中第一项使函数平坦化，提升模型的泛化能力，第二项提升模型的精确度，常数项C既为提升精确度又保证一定的泛化能力做出平衡。

通过拉格朗日对偶原理得回归方程。引入拉格朗日函数分别对b,ε,ε^*最小化，对α,α^*,γ,γ^*最大化，得：

将上式代入拉格朗日函数，得最优化的对偶形式：

其约束为：

在上式条件下的约束最大化函数为：

此时：

由KTT定理即可得规则函数