基于鱼群运动的异常水质监测

摘要

水质环境问题已成为我国社会关注的焦点问题，近年来各种环境污染事件频发，严重影响了人们正常的社会活动和经济活动。目前对于水质监测预警的研究，许多学者采用生物式水质监测的方法，根据水生物的生理特征变化和行为特征变化对水质进行监测。但是由于评价因子与水质之间存在多因子、非线性、高维等复杂关系的问题，监测预警的效果并不理想。为了对水体环境进行周全、科学的在线监测，本文研究了基于鱼群运动特征的异常水质监测的问题，针对水体质量与鱼群运动特征之间的相关性进行了多方面的研究。研究内容主要包括：
　　(1)采用鱼群作为水质污染指示生物，以计算机视觉理论为基础，应用双边滤波方法对鱼群运动视频进行预处理，对运动的鱼群进行检测、分割、跟踪，提取鱼群空间位置分布及运动轨迹，为鱼群运动行为分析奠定基础。
　　(2)根据Delauny三角剖分法改进鱼群重心算法，并引入鱼群运动离散度相关参数：方差、分布面积，以及运动轨迹相关参数中心距指数，同时也提取了曲率、邻近值特征参数以及传统特征参数速度、加速度、距离共八个特征参数，建立了水质识别特征数据集。
　　(3)根据实验装置大小选取了数量合适的鱼群，进行了多组不同污染物、不同浓度的异常水质对比实验。介绍了XGBoost分类器的特点，并通过网格搜索法对参数进行优化选择，并设计了基于XGBoost分类器的水质监测方案，同时与支持向量机分类器的识别结果进行了对比分析。实验结果表明基于方差、分布面积、中心距指数三个特征参数作为水质评价因子建立的模型具有高效、稳健的识别效果。

目录

声明

第1章 绪 论

1.1 课题研究的背景和意义

1.2 水质监测研究现状

1.3 水质评价研究现状

1.4 研究内容

1.5 论文结构

第2章 鱼群运动目标的检测与跟踪

2.1 引言

2.2 图像去噪处理

2.3 鱼群运动目标检测与跟踪

2.4 本章小结

第3章 XGBoost基本理论

3.1 引言

3.2 Boosting算法研究

3.3 XGBoost基本原理

3.4 XGBoost的特点

3.5 XGBoost的参数选取

3.6 本章小结

第4章 鱼群行为特征提取

4.1 引言

4.2 鱼群重心算法

4.3 鱼群运动特征

4.4 本章小结

第5章 基于鱼群运动特征的水质监测

5.1 实验准备

5.2 实验过程

5.3 基于XGBoost的水质分类结果

5.4 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要研究成果

致谢