[发明专利]水体化学需氧量的确定方法、装置、计算机设备及介质

权利要求书

1.一种水体化学需氧量的确定方法，其特征在于，包括：

通过标准站采集不同样本水体的水样光谱数据；

对不同样本水体的水样光谱数据进行聚类，划分出不同的水样波形类别；

将不同样本水体的水样光谱数据和对应的水样波形类别作为样本，训练BP神经网络得到识别模型；

获取待监测区域的水体的待测光谱数据；

根据所述待测光谱数据，通过所述识别模型确定待测波形类别；

根据波形类别与cod计算模型的对应关系，确定所述待测波形类别对应的cod计算模型；

根据所述待测光谱数据，通过所述待测波形类别对应的cod计算模型得到所述待监测区域的水体的化学需氧量；

所述对不同样本水体的水样光谱数据进行聚类，划分出不同的水样波形类别，包括：

计算不同样本水体的水样光谱数据之间的相似度；

基于不同样本水体的水样光谱数据之间的相似度，对不同样本水体的水样光谱数据进行聚类，划分出不同的所述水样波形类别；

所述计算不同样本水体的水样光谱数据之间的相似度，包括：

通过以下公式计算每两个不同样本水体的水样光谱数据间的相关系数：

c=corr(x1,x2)

其中，c为相关系数，x1、x2表示两个不同样本水体分别对应的两条光谱曲线，corr()为两条光谱曲线的皮尔逊相关系数；

通过以下公式计算每两个不同样本水体的水样光谱数据间的偏差：

d=x1-x2

其中，d为偏差；

对各个所述偏差进行离散化，将离散化后的各个所述偏差划分为多个区间，通过以下公式统计每个区间的比例值，所述比例值为每个区间包括的所述偏差的个数在所述偏差的总个数中所占的比例，每个区间的长度为预设长度：

Pm=qm/sum(q)

其中，Pm表示第m个区间q的比例值，qm表示第m个区间q内包含的偏差d的个数，sum(q)表示偏差d的总个数；

通过以下公式根据各个区间的比例值，计算所有所述偏差的信息熵：

其中，Ent为信息熵，M为区间的总数量；

通过以下公式根据所述信息熵和每两个不同样本水体的水样光谱数据间的相关系数，计算每两个不同样本水体的水样光谱数据间的相似度：

其中，w为每两个不同样本水体的水样光谱数据间的相似度；

所述方法还包括：

通过标准站采集不同样本水体的化学需氧量浓度；

将每一所述水样波形类别的水样光谱数据和每一所述水样波形类别的水样光谱数据对应样本水体的化学需氧量浓度，作为每一所述水样波形类别的样本数据，训练机器学习组件得到每一所述水样波形类别对应的cod计算模型；

所述将每一所述水样波形类别的水样光谱数据和每一所述水样波形类别的水样光谱数据对应样本水体的化学需氧量浓度，作为每一所述水样波形类别的样本数据，训练机器学习组件得到每一所述水样波形类别对应的cod计算模型，包括：

将每一所述水样波形类别的样本数据划分为多份数据，依次将每一份数据作为一个测试集，将除了测试集之外的多份数据作为一个训练集；

采用各个所述训练集训练多个基模型，得到多个初始cod计算模型，并用每个所述初始cod计算模型预测各个所述测试集的预测结果，各个所述测试集的预测结果形成每个所述初始cod计算模型的测试集预测结果；

将各个所述初始cod计算模型的测试集预测结果作为样本，训练bp神经网络，训练后的所述bp神经网络和多个所述初始cod计算模型构成每一所述水样波形类别对应的cod计算模型；

对不同样本水体的水样光谱数据进行聚类之前，通过以下公式对不同样本水体的水样光谱数据进行平滑处理：

其中，为平滑后第i条水样光谱数据的j维波长下的吸光度，N表示波长j的维度总数，表示第i条水样光谱数据的j维下的吸光度，表示第i条水样光谱数据的j-t维下的吸光度，表示第i条水样光谱数据的j+t维下的吸光度，表示第i条水样数据j维的权重，为权重的平均值，表示第i条水样光谱数据的j+t维的权重，表示第i条水样光谱数据的j-t维的权重。