买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川国蓝中天环境科技集团有限公司

摘要：本发明公开了一种基于网格搜索和LGBM的城市河道水质预测方法，涉及城市河道管理技术领域。本发明利用城市河道固定水质监测站点的数据，结合Pearson相关系数和灰色关联度，筛选出与河道固定站点的总磷TP、高锰酸盐CODMN、氨氮NH3N浓度高度相关且自相关程度较低的4个最优特征，利用LGBM水质预测模型对最优特征进行河道水质预测，可有效提升预测结果的准确度，并减少LGBM水质预测模型运算时间；利用网格搜索算法对LGBM水质预测模型进行优化，提高LGBM水质预测模型的精确度，且避免调参过程中的主观性和随意性，具有广泛的适用性和良好的稳健性，克服传统方法过于依赖硬件铺设且无法实时监测水质参数的问题。

主权项：1.一种基于网格搜索和LGBM的城市河道水质预测方法，其特征在于：包括以下步骤：S1、获取待测地区每条河的水质站点监测数据；S2、计算每条河的水质站点监测数据对应的Pearson相关系数和灰色关联度；S3、基于Pearson相关系数和灰色关联度对每条河的水质站点监测数据进行处理，得到对应的最优特征数据；S4、对每条河的最优特征数据进行归一化；S5、构建LGBM水质预测模型；S6、利用网格搜索算法对LGBM水质预测模型进行优化，得到优化后的LGBM水质预测模型；S7、将每条河的归一化后的最优特征数据分别输入至优化后的LGBM水质预测模型，得到对应的水质预测结果，完成对城市河道水质的预测；所述步骤S1包括以下步骤：S1-1、获取待测地区每条河的指标数据；S1-2、利用DBSCAN密度聚类算法对指标数据进行数据聚类，得到聚类结果；S1-3、基于聚类结果，将偏离聚类簇的指标数据作为异常值并进行剔除，得到水质站点监测数据；所述步骤S1-1中的指标数据包括总磷TP、高锰酸盐CODMN、氨氮NH3N、酸碱度PH、电导率CODN、溶解氧DOX、总氮TN；所述步骤S2包括以下步骤：S2-1、分别计算每条河的总磷TP、高锰酸盐CODMN、氨氮NH3N分别与其他指标数据的Pearson相关系数；S2-2、分别计算每条河的总磷TP、高锰酸盐CODMN、氨氮NH3N分别与其他指标数据的灰色关联度；所述步骤S3包括以下步骤：S3-1、计算每条河的每个水质站点监测数据的Pearson相关系数的平均值和灰色关联度的平均值；S3-2、判断是否小于0.5或是否小于0.8；若是则丢弃对应的水质站点监测数据；反之则保留对应的水质站点监测数据，得到初始特征数据；进入步骤S3-3；S3-3、按照或从大到小的顺序，对初始特征数据进行排列，得到排列后的初始特征数据；S3-4、判断排列后的初始特征数据对应的或是否超过0.9；若是则进入步骤S3-5；反之则得到特征数据；S3-5、将或超过0.9对应的排列后的初始特征数据进行筛选，得到筛选后的特征数据；所述最优特征数据包括特征数据和筛选后的特征数据；所述步骤S3-5的筛选的具体过程为：将或超过0.9的对应的两个排列后的初始特征数据作为一组特征数据；针对每一组特征数据，剔除其中任意一个初始特征数据，保留另外一个初始特征数据；筛选后的特征数据包括每组保留的初始特征数据；所述步骤S5中的LGBM水质预测模型采用LightGBM模型，并采用基于梯度的单边采样算法进行训练；其中，LightGBM模型的公式为： 其中，表示水质预测结果，表示求和函数，表示第个归一化后的最优特征数据，表示第个水质预测结果，表示前轮的迭代结果，表示损失函数，表示水质预测结果总数，表示第棵树的水质预测结果，表示第棵树正则化后的水质预测结果；所述步骤S6的具体过程如下：利用网格搜索算法对LightGBM模型的超参数进行优化，通过遍历超参数空间中的所有可能组合，选择具有最优性能的超参数组合；将具有最优性能的超参数组合应用于LightGBM模型，得到优化后的LightGBM模型，即得到优化后的LGBM水质预测模型。

全文数据：

权利要求：

百度查询： 四川国蓝中天环境科技集团有限公司 一种基于网格搜索和LGBM的城市河道水质预测方法