赤潮多源监测数据处理与综合预测预报方法研究

摘要

赤潮我国沿海最主要的生态灾害之一，随着经济的发展，环境污染日益加剧，赤潮爆发的频率逐年升高，赤潮的发生对沿海的生态环境和水产养殖造成了严重的影响。赤潮灾害的监测和预报作为一个国际性的难题已引起人们的高度关注和重视。为了对赤潮进行研究和预报，许多沿海国家都组建了自己的赤潮监测系统，由于赤潮过程的复杂性，人们目前还没有完全把握赤潮的发生、发展和消亡的相同机理，因此在众多现行的赤潮监测体系中，为了有效的处理大量的赤潮监测数学习和模糊技术被广泛使用。同时，为了更加全面的监控赤潮过程，多方位的立体监测系统的开发也势在必行，因而处理多源赤潮监测信息的不确定性并对其进行融合也将是一个难题。本文对该赤潮监控系统获取得大量监测数据，结合机器学习、模糊数学、数据融合方法等理论，对赤潮监测数据的处理与分析方法进行了研究。主要内容如下： ⑴介绍了本项研究所依托课题的实施情况与五个监测子系统的实现技术，给出了多源监测数据的获取手段和传输方式。对于数据的预处理主要包括两项工作：一个是综合利用现有的相关标准对浮标传感器进行在线评价，并对符合线性分析标准的监测参数进行不确定度评估；另一个是针对监测数据中出现的缺失数据的情况，提出了一种适用于赤潮监测数据的时间序列的插补方法，取得了比一般插补方法更好的插补效果。经过对浮标传感器在线评价，发现一些在线监测参数满足与离线数据的线性回归分析标准，而另一些则不满足。满足标准的主要为温度和盐度数据，能够利用现场校正将其误差控制在允许范围内，因此，温度和盐度参数时间序列中的值可以用精确值表达，对于精确值时间序列，提出一种结合奇异谱分析和RBF神将网络的时间序列多步预测方法，取得了理想的预测效果。 ⑵采用模糊时间序列方法对叶绿素时间序列进行预测。结合现有的二元模糊关系法和二元高阶模糊推理法的特点和优势，提出了一种改进的二元模糊时间序列预测方法，与其他方法相比，能够获得更高的预测精度为了达到对赤潮状况进行快速预警的目的，利用本监测系统中获取的叶绿素多源监测信息，结合数据融合理论，尝试性的提出了应用于赤潮快速预警的多源叶绿素监测信息的数据融合模型，介绍了证据理论的主要内容，讨论了利用证据理论进行数据融合数据融和过程中的遇到的主要问题和现有的解决方法，结合赤潮预警的具体需求，提出了实用性的生成BBA和冲突处理的方法，做到了对赤潮发生的实时判断。 ⑶利用SOM神经网络对赤潮种群信息进行聚类，并将结果可视化，为专家分析提供了便利，讨论了fuzzy-ARTMAP神经网络算法，并将其与SOM神经网络相结合，利用其对种群变动进行了辅助预测，取得了良好的结果。考虑到赤潮专家分布于不同的城市，并且专家意见存在差异性，为了合理的表达和融合多专家意见，利用推广模糊数来表示专家的语言信息，给出了多专家意见的信息融合方法。针对现有模糊数相似性测度的缺陷，提出了一种新的专家意见之间的相似性测度的表示方法，并将其应用到多专家意见的信息融合方法中，利用数值算例论述了本方法的可行性。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景与意义

1.2相关研究进展

1.3本文主要工作

1.3.1课题来源和拟解决的关键问题

1.3.2论文的研究主线与主要工作

1.3.3本义的创新点

第二章赤潮监测系统结构与数据获取

2.1引言

2.2系统概述

2.2.1系统功能

2.2.3系统总体结构

2.3监测系统

2.3.1赤潮监测数据采集系统建设

2.3.2赤潮监测数据集成

2.4本章小结

第三章监测数据预处理

3.1引言

3.2线性回归方法适用性分析

3.3系统误差显著性检验

3.4基于线性回归方法的不确定性的表示方法

3.5监测时间序列缺失数据的插补方法

3.5.1几种常规的时间序列插补方法

3.5.2基于统计分析的时间序列插补方法

3.5.3基于奇异谱分析的插补方法

3.5.4插补效果分析

3.6本章小结

第四章温度和盐度时间序列的多步预测方法

4.1引言

4.2基于径向基函数神经网络的时间序列多步建模与预测方法

4.2.1径向基函数神经网络

4.2.2基于神经网络的时间序列多步预测方法

4.3结合RBF神经网络和SSA的时间序列多步预测方法

4.4结果与比较

4.5本章小结

第五章叶绿素的模糊时间序列预测方法研究

5.1引言

5.2叶绿素辅助预测因子选择

5.3模糊时间序列预测方法

5.3.1模糊时间序列方法的相关定义概述

5.3.2单变量模糊时间序列预测

5.3.3二元模糊关系法

5.3.4二元高阶模糊推理法

5.3.5二元模糊时间序列预测方法的改进

5.4算例分析

5.5本章小结

第六章基于数据融合理论的赤潮发生快速判别方法

6.1引言

6.2数据融合的相关理论

6.2.1证据理论的相关定义

6.2.2证据组合方法与冲突证据处理

6.3多源叶绿素监测数据的数据融合方法

6.3.1叶绿素检测方法介绍

6.3.2基本概率指派的构建方法概述

6.3.3叶绿素监测信息的基本信度指派的构建方法

6.3.4基本概率指派折扣系数的获取

6.3.5算例分析

6.4本章小结

第七章基于机器学习的赤潮藻类种群变动分析与预测方法

7.1引言

7.2赤潮藻类种群变化分析的SOM神经网络方法

7.2.1自组织映射(SOM)神经网络

7.2.2赤潮生物种群样本获取

7.2.3基于SOM神经网络的赤潮生物种群结构变动分析

7.3模糊ART神经网络与模糊ARTMAP神经网络

7.3.1 Fuzzy ART算法

7.3.2 fuzzy ARTMAP算法

7.4SOM神经网络与FuzzyARTMAP神经网络相结合的种群变动预测方法

7.4.1种群变动预测的混合神经网络模型

7.4.2预测结果对比

7.5本章小结

第八章多专家评判的信息融合方法

8.1引言

8.2专家意见的模糊数表达

8.2.1一般模糊数与扩展模糊数的概念

8.2.2专家意见的表达

8.3赤潮专家评判的融合方法

8.4模糊数相似性测度

8.4.1现有的模糊数相似性测度

8.4.2基于ROG的模糊数相似性测度

8.4.3 ROG相似性测度的改进

8.5算例分析

8.6本章小结

第九章总结与展望

9.1总结

9.2展望

参考文献

致谢

攻读学位期间发表的学术论文