CN105675049B - 一种海-岛环境健康监测方法 - Google Patents

一种海-岛环境健康监测方法 Download PDF

Info

Publication number
CN105675049B
CN105675049B CN201511025031.3A CN201511025031A CN105675049B CN 105675049 B CN105675049 B CN 105675049B CN 201511025031 A CN201511025031 A CN 201511025031A CN 105675049 B CN105675049 B CN 105675049B
Authority
CN
China
Prior art keywords
sea
island
environmental health
health
actual measurement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201511025031.3A
Other languages
English (en)
Other versions
CN105675049A (zh
Inventor
崔振东
桂福坤
杨锐荣
李晨
左孝
郑亮
潘豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Ocean University ZJOU
Original Assignee
Zhejiang Ocean University ZJOU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Ocean University ZJOU filed Critical Zhejiang Ocean University ZJOU
Priority to CN201511025031.3A priority Critical patent/CN105675049B/zh
Publication of CN105675049A publication Critical patent/CN105675049A/zh
Application granted granted Critical
Publication of CN105675049B publication Critical patent/CN105675049B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及海‑岛环境健康监测方法，通过获取当前周期的上一时间周期的海‑岛环境健康实测数据，将上一时间周期分隔成等间隔的多个时间域，得到各时间域对应的海‑岛环境健康实测数据样本方差值；建立各时间域内海‑岛环境健康数据采样密度函数，按照所得各对应时间域的海‑岛环境健康数据采样密度函数，对当前时间周期的各对应时间域的海‑岛环境健康数据样本均匀采样；以Kriging方法构建关于时间的海‑岛环境健康的隐函数模型，并以经过校验的隐函数模型作为海‑岛环境健康模型。海‑岛环境健康模型建立后，可以节省大量的供电和通信维护成本，避免采样次数过多对海‑岛环境健康数据监测设备寿命的不利影响，有效地提高对海‑岛环境健康情况的监测效率。

Description

一种海-岛环境健康监测方法
技术领域
本发明涉及海-岛环境监测领域，尤其涉及一种海-岛环境健康监测方法。
背景技术
海洋经济的快速发展对海洋生态和环境产生了一系列影响，以信息化手段促进海洋经济良性发展，加强海洋生态环境保护具有良好的社会效益和广阔的应用前景。当前，影响海洋生态环境的指标主要包括：海水的盐度、浊度、溶解氧、叶绿素、PH值、各种重金属含量、潮间带与海-岛上的温度、湿度和生物种类等。
针对近海、潮间带、海岛、临海陆地环境和生态的海-岛环境健康监测和评价越来越强烈的需求，基于物联网、大数据和智能控制技术对影响海-岛环境健康的各种数据进行有效的实时监测具有重要的意义。
然而，由于海-岛地理位置的偏远性，在海-岛环境中布置大量的监测设备，以实时采集海-岛环境数据将会消耗大量的供电、通信和维护成本；另外，由于监测设备的使用寿命会受到采集频次的影响，如果不间断的实时、持续地采集海-岛环境数据，势必缩短监测设备的使用寿命，导致不能采集到有效时间段内的海-岛环境监测数据，致使不能对海-岛环境健康情况做出准确的评价。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种既能够节省维护成本、避免采样过于频繁而对监测设备寿命造成不利影响，又可以提高海-岛环境健康监测效率的海-岛环境健康监测方法。
本发明解决上述技术问题所采用的技术方案为：一种海-岛环境健康监测方法，其特征在于，依次包括如下步骤：
(1)按照预设时间间隔将当前周期的前一周期分成间隔相等的n个时间域，并获取前一周期内的海-岛环境健康实测数据样本，得到前一周期的各时间域内海-岛环境健康实测数据样本；其中：
设当前周期标记为T，预设时间间隔标记为Δt，当前周期T的前一周期标记为T-，T-＝T-(t- 1,t- 2,...,t- n)，前一周期T-内海-岛环境健康实测数据样本标记为S-，
Figure BDA0000895518960000025
Figure BDA0000895518960000026
表示前一周期T-内的第i个时间域，
Figure BDA0000895518960000027
表示在前一周期T-的时间域t- i内采集的海-岛环境健康实测数据样本；
(2)根据获取的前一周期的各时间域内海-岛环境健康实测数据样本，得到对应各时间域内海-岛环境健康实测数据样本的方差值；其中：
设前一周期T-的时间域t- i内海-岛环境健康实测数据样本的方差值记为
Figure BDA0000895518960000021
海-岛环境健康实测数据样本方差值
Figure BDA0000895518960000022
的计算公式如下：
Figure BDA0000895518960000023
其中，s- ij表示前一周期T-的第i个时间域t- i内的第j个海-岛环境健康实测数据，di表示前一周期T-的时间域t- i内的海-岛环境健康实测数据的个数；
(3)根据所得前一周期的每个时间域所对应海-岛环境健康实测数据样本的方差值，构建当前周期的各时间域内海-岛环境健康数据采样密度函数；其中，时间域ti所对应构建的海-岛环境健康数据采样密度函数为
Figure BDA0000895518960000024
ti表示当前周期内的第i个时间域；
(4)设定当前时间周期内采集的海-岛环境健康数据构成当前时间周期内的海-岛环境健康数据样本，并根据预设时间间隔，将当前时间周期分成间隔相等的n个时间域；其中：
所述当前时间周期T记为T＝T(t1,t2,...,tn)，当前时间周期T内对应的海-岛环境健康数据样本标记为S＝S(S1,S2,...,Sn)，预设时间间隔标记为Δt，ti表示当前时间周期T内的第i个时间域，Si表示当前时间周期T的时间域ti内采集的海-岛环境健康数据样本；
(5)在当前时间周期的每个时间域内，按照所得的海-岛环境健康数据采样密度函数，对与各时间域对应的海-岛环境健康数据样本进行均匀采样；其中：
设定各时间域内的预设采样个数标记mi(mi≥1且n≥i≥1)，在时间域ti内采集的海-岛环境健康数据采样样本为Si，Si＝(si1,si2,...,simi)，simi表示时间域ti内采集的第mi个海-岛环境健康样本数据，i＝1,2,...,n；
(6)从前一周期内的海-岛环境健康实测数据样本中抽取预设数量的海-岛环境健康实测数据样本，分别作为海-岛环境健康实测数据初始样本和海-岛环境健康实测数据校验样本，并基于Kriging方法建立关于时间的海-岛环境健康的隐函数模型；其中：
所要建模时间段T'内的海-岛环境健康数据样本标记为S'T'，海-岛环境健康实测数据初始样本标记为S'0；海-岛环境健康实测数据校验样本分别标记为S1'、S'2、...和S'p，
Figure BDA0000895518960000031
p≥k>0，p≥l≥0；海-岛环境健康的隐函数模型标记为G'(S',t)，
Figure BDA0000895518960000032
S'为用于构建海-岛环境健康的隐函数模型的样本；
(7)根据海-岛环境健康实测数据初始样本、海-岛环境健康实测数据校验样本以及预设的海-岛环境健康模型的建模精度要求，对海-岛环境健康的隐函数模型进行校验和控制判断：
(7-1)根据海-岛环境健康实测数据校验样本，并基于海-岛环境健康的隐函数模型求出与海-岛环境健康实测数据校验样本相对应的海-岛环境健康数据模拟样本；其中：
所述海-岛环境健康实测数据校验样本S'k，基于海-岛环境健康的隐函数模型G'(S',t)的海-岛环境健康数据模拟样本标记为S″k，海-岛环境健康实测数据校验样本S'k与对应的海-岛环境健康数据模拟样本S″k的收敛评价指标标记为ε(S'k,S″k)，ε(S'k,S″k)＝|S'k-S″k|；
(7-2)将获取的各海-岛环境健康实测数据校验样本、收敛评价指标与预先设定的收敛条件进行比较，且满足收敛条件时，执行步骤(8)；否则，依次将各海-岛环境健康实测数据校验样本加入到建模样本中，并基于新的海-岛环境健康数据样本集合，利用Kriging方法重新建立海-岛环境健康的隐函数模型，转至步骤(7-1)进行海-岛环境健康的隐函数模型的迭代建模，直到满足收敛条件为止，执行步骤(8)；其中：
当收敛评价指标ε(S'k,S″k)<ε0时，表示收敛评价指标符合收敛条件，否则，表示不满足收敛条件，ε0为根据经验预先给定的海-岛环境健康模型的模型精度常数；
(8)以构建的海-岛环境健康的隐函数模型为海-岛环境健康模型，并基于该海-岛环境健康模型，对海-岛环境健康进行评价；其中：
所述构建的海-岛环境健康模型标记为G(S,t)，其中，G(S,t)＝G'(S',t)，S表示海-岛环境健康数据样本，t表示时间。
为了进一步提高建模精度并加快收敛速度，作为改进，在所述步骤(7)对海-岛环境健康的隐函数模型的各次迭代建模中，海-岛环境健康实测数据校验样本数量占海-岛环境健康实测数据总采样样本数量的比例由如下公式得到：
Figure BDA0000895518960000041
其中，Mk表示第k次建立海-岛环境健康模型中新加入样本的海-岛环境健康实测数据校验样本数量，M0表示已采集海-岛环境健康实测数据采样样本的总量，k(k≥1)表示重新建立海-岛环境健康的隐函数模型的迭代次数，N为根据建立海-岛环境健康的隐函数模型的经验预设的常数。
为了既能准确地构建海-岛环境健康模型，又能够节约海-岛环境健康模型构建时间，作为改进，所述当前时间周期T为连续的一年时间。
与现有技术相比，本发明的优点在于：通过获取当前周期的前一时间周期的海-岛环境健康实测数据，并将前一时间周期分隔成等间隔的多个时间域，得到每个时间域对应的海-岛环境健康实测数据样本的方差值；然后建立该时间域内海-岛环境健康数据采样密度函数，并按照所得各对应时间域的海-岛环境健康数据采样密度函数，对当前时间周期的各对应时间域的海-岛环境健康数据样本进行均匀采样；然后利用Kriging方法构建关于时间的海-岛环境健康的隐函数模型，并经验证该模型符合收敛条件时，即以该经过校验的模型作为海-岛环境健康模型。这样，在海-岛环境健康模型建立后，当需要了解某个时间对应的海-岛环境健康情况时，由海-岛环境健康模型即可得到此时间对应的海-岛环境健康数据，从而不需要在偏远的海-岛布置大量的监测设备实时、持续监测海-岛的环境数据情况。该发明不仅可以节省了大量的供电量、通信维护成本，而且按照一定的采样频率对海-岛环境数据采样，可以避免采样次数过多对海-岛环境数据监测设备寿命的不利影响，从而有效地提高了对海-岛环境健康情况的监测效率。
附图说明
图1为本发明实施例中海-岛环境健康监测方法的流程。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示，在本实施例的海-岛环境健康监测方法，依次包括如下步骤1至步骤8：
步骤1，按照预设时间间隔将当前周期的前一周期分成间隔相等的n个时间域，并获取前一周期内的海-岛环境健康实测数据样本，得到前一周期的各时间域内海-岛环境健康实测数据样本；其中：
设当前周期标记为T，预设时间间隔标记为Δt，当前周期T的前一周期标记为T-，T-＝T-(t- 1,t- 2,...,t- n)；前一周期T-内海-岛环境健康实测数据样本标记为S-，
Figure BDA0000895518960000051
t- i表示前一周期T-内的第i个时间域，
Figure BDA0000895518960000052
表示在前一周期T-的时间域t- i内采集的海-岛环境健康实测数据样本；该海-岛环境健康实测数据样本
Figure BDA00008955189600000516
中由多个海-岛环境健康实测数据组成；
例如，为了既能准确地构建海-岛环境健康模型，又能够节约海-岛环境健康模型构建时间，在本实施例中的当前周期T选择为连续的一年时间，则当前周期T的前一周期T-即为连续的去年一年时间，其中前一周期T-被分成间隔相等的十二个月，每个月表示一个时间域，即本实施例中的前一周期表示为T-＝T-(t- 1,t- 2,...,t- 12)；前一周期T-内海-岛环境健康实测数据样本
Figure BDA0000895518960000053
Figure BDA0000895518960000054
表示去年第1个月内采集的海-岛环境健康实测数据样本，该样本中的实测数据表示为
Figure BDA0000895518960000055
表示去年第2个月内采集的海-岛环境健康实测数据样本，依次类推，
Figure BDA0000895518960000056
表示去年第12个月内采集的海-岛环境健康实测数据样本；
步骤2，根据获取的前一周期的各时间域内海-岛环境健康实测数据样本，得到对应各时间域内海-岛环境健康实测数据样本的方差值；其中：
设前一周期T-的时间域t- i内海-岛环境健康实测数据样本的方差值记为
Figure BDA0000895518960000057
海-岛环境健康实测数据样本方差值
Figure BDA0000895518960000058
的计算公式如下：
Figure BDA0000895518960000059
其中，s- ij表示前一周期T-的第i个时间域t- i内的第j个海-岛环境健康实测数据，di表示前一周期T-的时间域t- i内的海-岛环境健康实测数据的个数；
具体到本实施例中，s- 1j表示去年第1个月海-岛环境健康实测数据样本
Figure BDA00008955189600000510
中的第j个海-岛环境健康实测数据，类推可知，s- 1m表示去年第1个月海-岛环境健康实测数据样本中的第m个海-岛环境健康实测数据；设定去年第1个月海-岛环境健康实测数据样本
Figure BDA00008955189600000511
中具有30个海-岛环境健康实测数据，则海-岛环境健康数据实测样本
Figure BDA00008955189600000512
去年第1个月的海-岛环境健康实测数据样本
Figure BDA00008955189600000513
的方差值为
Figure BDA00008955189600000514
去年第2个月的海-岛环境健康实测数据样本的方差值为
Figure BDA00008955189600000515
依次类推，去年第12个月的海-岛环境健康实测数据样本的方差值为
Figure BDA0000895518960000061
其中，由于计算海-岛环境健康实测数据样本方差值的过程属于本领域技术人员的公知常识，此处不再对该样本方差值的求解过程做赘述；
步骤3，根据所得前一周期的每个时间域所对应海-岛环境健康实测数据样本的方差值，构建当前周期的各时间域内海-岛环境健康数据采样密度函数；其中，设当前周期T的时间域ti所对应构建的海-岛环境健康数据采样密度函数为
Figure BDA0000895518960000062
例如，本实施例中，设定当前周期为连续的一年，本年第1个月所对应构建的海-岛环境健康数据采样密度函数表示为
Figure BDA0000895518960000063
本年第10个月所对应构建的海-岛环境健康数据采样密度函数表示为
Figure BDA0000895518960000064
由于各时间域所对应海-岛环境健康数据样本的方差值不一定相同，则各时间域对应构建的海-岛环境健康数据采样密度函数不一定相同；
步骤4，设定当前时间周期内采集的海-岛环境健康数据构成当前时间周期内的海-岛环境健康数据样本，并根据预设时间间隔，将当前时间周期分成间隔相等的n个时间域；其中：
当前时间周期T记为T＝T(t1,t2,...,tn)，当前时间周期T内对应的海-岛环境健康数据样本标记为S＝S(S1,S2,...,Sn)，预设时间间隔标记为Δt，ti表示当前时间周期T内的第i个时间域，Si表示当前时间周期T的时间域ti内采集的海-岛环境健康数据样本；在该步骤中的各参数设置与步骤1中各参数对应相同；例如，当前时间周期T即为一年，具有12个间隔相等的时间域，T＝T(t1,t2,...,t12)；
步骤5，在当前时间周期的每个时间域内，按照所得的海-岛环境健康数据采样密度函数
Figure BDA0000895518960000065
对与各时间域对应的海-岛环境健康数据进行均匀采样；其中：
设定各时间域内的预设采样个数标记为mi(mi≥1且n≥i≥1)，在时间域ti内采集的海-岛环境健康数据采样样本为Si，Si＝(si1,si2,...,simi)，simv表示时间域ti内采集的第mi个海-岛环境健康样本数据，i＝1,2,...,n；
步骤6，从前一周期内的海-岛环境健康实测数据样本中抽取预设数量的海-岛环境健康实测数据样本，分别作为海-岛环境健康实测数据初始样本和海-岛环境健康实测数据校验样本，并基于Kriging方法建立关于时间的海-岛环境健康的隐函数模型；其中：
所要建模时间段T'内的海-岛环境健康数据样本标记为S'T'，海-岛环境健康实测数据初始样本标记为S'0；海-岛环境健康实测数据校验样本分别标记为S1'、S'2、...和S'p，
Figure BDA0000895518960000071
p≥k>0，p≥l≥0；海-岛环境健康的隐函数模型标记为G'(S',t)，
Figure BDA0000895518960000072
S'为用于构建海-岛环境健康的隐函数模型的样本；其中，Kriging方法属于常规的建模方法，此处不做过多赘述。例如，该构建海-岛环境健康的隐函数模型G'(S',t)的样本S'可以取海-岛环境健康数据样本S'T'中的任一海-岛环境健康数据样本，既可以是海-岛环境健康实测数据初始样本，也可以是海-岛环境健康实测数据校验样本。
具体到本实施例中，设定建立海-岛环境健康模型的建模时间段为一年，在去年对应的十二个月的海-岛环境健康数据样本中，设定抽取第1个月的海-岛环境健康数据样本为海-岛环境健康数据初始样本，剩余十一个月的海-岛环境健康数据样本分别作为海-岛环境健康数据的校验样本，由此可知在本实施例中，海-岛环境健康数据初始样本
Figure BDA0000895518960000073
海-岛环境健康数据校验样本
Figure BDA0000895518960000074
步骤7，根据海-岛环境健康实测数据初始样本、海-岛环境健康实测数据校验样本以及预设的海-岛环境健康模型的建模精度要求，对海-岛环境健康的隐函数模型进行校验和控制判断：
步骤7-1，根据海-岛环境健康实测数据校验样本，并基于海-岛环境健康的隐函数模型求出与海-岛环境健康实测数据校验样本相对应的海-岛环境健康数据模拟样本；其中：
海-岛环境健康实测数据校验样本S'k，基于海-岛环境健康的隐函数模型G'(S',t)的海-岛环境健康数据模拟样本标记为S″k，海-岛环境健康实测数据校验样本S'k与对应的海-岛环境健康数据模拟样本S″k的收敛评价指标标记为ε(S'k,S″k)，ε(S'k,S″k)＝|S'k-S″k|；
步骤7-2，将获取的各海-岛环境健康实测数据校验样本、收敛评价指标与预先设定的收敛条件进行比较，当满足收敛条件时，执行步骤(8)；
否则，依次将各海-岛环境健康实测数据校验样本加入到前一周期T-的建模样本中，并基于新的海-岛环境健康数据样本集合利用Kriging方法重新建立海-岛环境健康的隐函数模型，转而执行步骤(7-1)，直至符合收敛条件，并执行步骤(8)；其中，
当收敛评价指标ε(S'k,S″k)<ε0时，表示收敛评价指标符合收敛条件，否则，表示不满足收敛条件，ε0为根据经验预先给定的海-岛环境健康模型的模型精度常数；
由于在对海-岛环境健康数据的实际采样过程中，不能保证一次即可建立满足精度要求的海-岛环境健康的隐函数模型。因此，为进一步准确获取到满足收敛条件的海-岛环境健康实测数据校验样本，作为改进，在该步骤7对海-岛环境健康的隐函数模型的各次迭代建模中，海-岛环境健康实测数据校验样本数量占海-岛环境健康实测数据总采样样本数量的比例由如下公式得到：
Figure BDA0000895518960000081
其中，Mk表示第k次建立海-岛环境健康的隐函数模型中新加入样本的海-岛环境健康实测数据校验样本数量，M0表示已采集海-岛环境健康实测数据采样样本的总量，k(k≥1)表示重新建立海-岛环境健康的隐函数模型的迭代次数，N为根据建立海-岛环境健康的隐函数模型的经验预设的常数。
例如，当首次建立海-岛环境健康的隐函数模型不能达到收敛要求的，则在第二次 建立海-岛环境健康的隐函数模型中新加入样本的海-岛环境健康实测数据校验样本数量 为M2，
Figure BDA0000895518960000082
步骤8，以构建的海-岛环境健康的隐函数模型G'(S',t)为海-岛环境健康模型，并基于该海-岛环境健康模型，对海-岛环境健康进行评价；其中，构建的海-岛环境健康模型标记为G(S,t)，其中，G(S,t)＝G'(S',t)，S为构建的海-岛环境健康数据样本，t表示时间。
在本发明提供的对当期时间周期的海-岛环境健康监测方法中，通过获取上一时间周期的海-岛环境健康实测数据，并将上一时间周期分隔成等间隔的多个时间域，得到每个时间域对应的海-岛环境健康实测数据样本的方差值；然后建立该时间域内海-岛环境健康数据采样密度函数，并按照所得各对应时间域的海-岛环境健康数据采样密度函数，对当前时间周期的各对应时间域的海-岛环境健康数据样本进行均匀采样；然后利用Kriging方法构建海-岛环境健康的隐函数模型，并以经过校验的隐函数模型作为海-岛环境健康模型。这样，在海-岛环境健康模型建立后，当需要了解、评价时间tg(tg为已知时间)对应的海-岛环境健康情况，则由海-岛环境健康模型G(S,t)|t＝tg即可得到此时间tg对应的海-岛环境健康数据样本S的情况，从而不需要在偏远的海-岛布置大量的监测设备实时、持续监测海-岛环境健康数据情况，这样不仅可以节省了大量的供电量、通信维护成本，而且按照一定的采样频率对海-岛环境健康数据采样，可以避免采样次数过于频繁对海-岛环境数据监测设备寿命的不利影响，从而有效地提高了对海-岛环境健康情况的监测效率。

Claims (3)

1.一种海-岛环境健康监测方法，其特征在于，依次包括如下步骤：
(1)按照预设时间间隔将当前周期的前一周期分成间隔相等的n个时间域，并获取前一周期内的海-岛环境健康实测数据样本，得到前一周期的各时间域内海-岛环境健康实测数据样本；其中：
设当前周期标记为T，预设时间间隔标记为△t，当前周期T的前一周期标记为T-，T-＝T-(t- 1,t- 2,…,t- n)，前一周期T-内海-岛环境健康实测数据样本标记为S-，
Figure FDA0002487212840000011
t- i表示前一周期T-内的第i个时间域，
Figure FDA0002487212840000012
表示在前一周期T-的时间域t- i内采集的海-岛环境健康实测数据样本；
(2)根据获取的前一周期的各时间域内海-岛环境健康实测数据样本，得到对应各时间域内海-岛环境健康实测数据样本的方差值；其中：
设前一周期T-的时间域t- i内海-岛环境健康实测数据样本的方差值记为
Figure FDA0002487212840000013
海-岛环境健康实测数据样本方差值
Figure FDA0002487212840000014
的计算公式如下：
Figure FDA0002487212840000015
其中，s- ij表示前一周期T-的第i个时间域t- i内的第j个海-岛环境健康实测数据，di表示前一周期T-的时间域t- i内的海-岛环境健康实测数据的个数；
(3)根据所得前一周期的每个时间域所对应海-岛环境健康实测数据样本的方差值，构建当前周期的各时间域内海-岛环境健康数据采样密度函数；其中，时间域ti所对应构建的海-岛环境健康数据采样密度函数为
Figure FDA0002487212840000016
ti表示当前周期内的第i个时间域；
(4)设定当前时间周期内采集的海-岛环境健康数据构成当前时间周期内的海-岛环境健康数据样本，并根据预设时间间隔，将当前时间周期分成间隔相等的n个时间域；其中：
所述当前时间周期T记为T＝T(t1,t2,…,tn)，当前时间周期T内对应的海-岛环境健康数据样本标记为S＝S(S1,S2,…,Sn)，预设时间间隔标记为△t，ti表示当前时间周期T内的第i个时间域，Si表示当前时间周期T的时间域ti内采集的海-岛环境健康数据样本；
(5)在当前时间周期的每个时间域内，按照所得的海-岛环境健康数据采样密度函数，对与各时间域对应的海-岛环境健康数据样本进行均匀采样；其中：
设定各时间域内的预设采样个数标记mi(mi≥1且n≥i≥1)，在时间域ti内采集的海-岛环境健康数据采样样本为Si，Si＝(si1,si2,…,simi)，simi表示时间域ti内采集的第mi个海-岛环境健康样本数据，i＝1,2,…,n；
(6)从前一周期内的海-岛环境健康实测数据样本中抽取预设数量的海-岛环境健康实测数据样本，分别作为海-岛环境健康实测数据初始样本和海-岛环境健康实测数据校验样本，并基于Kriging方法建立关于时间的海-岛环境健康的隐函数模型；其中：
所要建模时间段T'内的海-岛环境健康数据样本标记为S'T'，海-岛环境健康实测数据初始样本标记为S'0；海-岛环境健康实测数据校验样本分别标记为S′1、S′2、…和S′p，
Figure FDA0002487212840000021
p≥k>0,p≥l≥0；海-岛环境健康的隐函数模型标记为G'(S',t)，
Figure FDA0002487212840000022
S'为用于构建海-岛环境健康的隐函数模型的样本；
(7)根据海-岛环境健康实测数据初始样本、海-岛环境健康实测数据校验样本以及预设的海-岛环境健康模型的建模精度要求，对海-岛环境健康的隐函数模型进行校验和控制判断：
(7-1)根据海-岛环境健康实测数据校验样本，并基于海-岛环境健康的隐函数模型求出与海-岛环境健康实测数据校验样本相对应的海-岛环境健康数据模拟样本；其中：
所述海-岛环境健康实测数据校验样本S'k，基于海-岛环境健康的隐函数模型G'(S',t)的海-岛环境健康数据模拟样本标记为S″k，海-岛环境健康实测数据校验样本S'k与对应的海-岛环境健康数据模拟样本S″k的收敛评价指标标记为ε(S'k,S″k)，ε(S'k,S″k)＝|S'k-S″k|；
(7-2)将获取的各海-岛环境健康实测数据校验样本、收敛评价指标与预先设定的收敛条件进行比较，且满足收敛条件时，执行步骤(8)；否则，依次将各海-岛环境健康实测数据校验样本加入到建模样本中，并基于新的海-岛环境健康数据样本集合，利用Kriging方法重新建立海-岛环境健康的隐函数模型，转至步骤(7-1)进行海-岛环境健康的隐函数模型的迭代建模，直到满足收敛条件为止，执行步骤(8)；其中：
当收敛评价指标ε(S'k,S″k)<ε0时，表示收敛评价指标符合收敛条件，否则，表示不满足收敛条件，ε0为根据经验预先给定的海-岛环境健康模型的模型精度常数；
(8)以构建的海-岛环境健康的隐函数模型为海-岛环境健康模型，并基于该海-岛环境健康模型，对海-岛环境健康进行评价；其中：
所述构建的海-岛环境健康模型标记为G(S,t)，其中，G(S,t)＝G'(S',t)，S表示海-岛环境健康数据样本，t表示时间。
2.根据权利要求1所述的海-岛环境健康监测方法，其特征在于，在所述步骤(7)对海-岛环境健康的隐函数模型的各次迭代建模中，海-岛环境健康实测数据校验样本数量占海-岛环境健康实测数据总采样样本数量的比例由如下公式得到：
Figure FDA0002487212840000031
其中，Mk表示第k次建立海-岛环境健康模型中新加入样本的海-岛环境健康实测数据校验样本数量，M0表示已采集海-岛环境健康实测数据采样样本的总量，k(k≥1)表示重新建立海-岛环境健康的隐函数模型的迭代次数，N为根据建立海-岛环境健康的隐函数模型的经验预设的常数。
3.根据权利要求1或2所述的海-岛环境健康监测方法，其特征在于，所述当前时间周期T为连续的一年时间。
CN201511025031.3A 2015-12-30 2015-12-30 一种海-岛环境健康监测方法 Expired - Fee Related CN105675049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511025031.3A CN105675049B (zh) 2015-12-30 2015-12-30 一种海-岛环境健康监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511025031.3A CN105675049B (zh) 2015-12-30 2015-12-30 一种海-岛环境健康监测方法

Publications (2)

Publication Number Publication Date
CN105675049A CN105675049A (zh) 2016-06-15
CN105675049B true CN105675049B (zh) 2020-10-16

Family

ID=56189824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511025031.3A Expired - Fee Related CN105675049B (zh) 2015-12-30 2015-12-30 一种海-岛环境健康监测方法

Country Status (1)

Country Link
CN (1) CN105675049B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101194182A (zh) * 2005-06-08 2008-06-04 麻省理工学院 鱼类聚集群及其习性的连续地大陆架规模监测
CN102224718A (zh) * 2008-11-21 2011-10-19 爱立信电话股份有限公司 对于时间和/或空间相关信号的盲频率偏移估计
CN102542051A (zh) * 2011-12-29 2012-07-04 武汉大学 一种随机分布型地理要素的多目标协同抽样方案设计方法
CN103678883A (zh) * 2013-11-21 2014-03-26 上海海洋大学 一种面向多源海洋环境监测数据的空间抽样方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050176089A1 (en) * 2003-12-04 2005-08-11 Ehrlich Michael S. Methods and devices for retrieving a subject's physiological history from a biological sample analysis
CN103278867B (zh) * 2013-05-03 2015-02-04 南京信息工程大学 一种基于经验模态分解的自动气象站数据去噪方法
CN104573363B (zh) * 2015-01-05 2018-02-13 南方电网科学研究院有限责任公司 一种沿海地区架空输电线路设计风速的空间取值方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101194182A (zh) * 2005-06-08 2008-06-04 麻省理工学院 鱼类聚集群及其习性的连续地大陆架规模监测
CN102224718A (zh) * 2008-11-21 2011-10-19 爱立信电话股份有限公司 对于时间和/或空间相关信号的盲频率偏移估计
CN102542051A (zh) * 2011-12-29 2012-07-04 武汉大学 一种随机分布型地理要素的多目标协同抽样方案设计方法
CN103678883A (zh) * 2013-11-21 2014-03-26 上海海洋大学 一种面向多源海洋环境监测数据的空间抽样方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
模糊聚类分析在海洋环境污染监测中的应用;杨连武;《海洋环境科学》;19880531;全文 *

Also Published As

Publication number Publication date
CN105675049A (zh) 2016-06-15

Similar Documents

Publication Publication Date Title
Noori et al. Water quality prediction using SWAT-ANN coupled approach
Andersen et al. Long‐term temporal and spatial trends in eutrophication status of the Baltic Sea
Zhu et al. A remote wireless system for water quality online monitoring in intensive fish culture
Henriksen et al. Assessment of exploitable groundwater resources of Denmark by use of ensemble resource indicators and a numerical groundwater–surface water model
Durance et al. Trends in water quality and discharge confound long‐term warming effects on river macroinvertebrates
Wu et al. Modeling daily chlorophyll a dynamics in a German lowland river using artificial neural networks and multiple linear regression approaches
Kim et al. Simulation of algal bloom dynamics in a river with the ensemble Kalman filter
McMinn et al. Classification and assessment of water bodies as adaptive structural measures for flood risk management planning
Irvine et al. Spatial and temporal variability of turbidity, dissolved oxygen, conductivity, temperature, and fluorescence in the lower Mekong River–Tonle Sap system identified using continuous monitoring
Norton et al. Using models to bridge the gap between land use and algal blooms: An example from the Loweswater catchment, UK
Mannina et al. Greenhouse gas emissions from integrated urban drainage systems: where do we stand?
Hollaway et al. The challenges of modelling phosphorus in a headwater catchment: Applying a ‘limits of acceptability’uncertainty framework to a water quality model
CN104463359A (zh) 一种基于bp神经网络的疏浚作业产量预测模型分析方法
Koch et al. High resolution water table modeling of the shallow groundwater using a knowledge-guided gradient boosting decision tree model
CN106295833A (zh) 一种太平洋褶柔鱼资源补充量预测方法及其应用
CN116485584B (zh) 高寒区大底坡河流wee协同调控方法及系统
CN113807545A (zh) 一种基于深度学习和物理模型的河湖生态流量预报预警方法
CN105447248B (zh) 基于金属定量构效关系的海水急性基准预测方法
Xiaoyi et al. Research on hybrid mechanism modeling of algal bloom formation in urban lakes and reservoirs
Arias‐Real et al. Diversity mediates the responses of invertebrate density to duration and frequency of rivers' annual drying regime
Jia et al. Using a BP neural network for rapid assessment of populations with difficulties accessing drinking water because of drought
Srinivasan et al. Development of a national-scale framework to characterise transfers of N, P and Escherichia coli from land to water
Wu et al. Understanding the relative roles of local environmental, geo‐climatic and spatial factors for taxonomic, functional and phylogenetic β‐diversity of stream fishes in a large basin, Northeast China
Luo et al. An environmental flow framework for riverine macroinvertebrates during dry and wet seasons through non-linear ecological modeling
CN105675049B (zh) 一种海-岛环境健康监测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201016

Termination date: 20211230