摘要
本发明提供了一种多通道采水器的定深分层参数确定方法、介质及系统,属于多通道采水器使用技术领域,包括:采用多组采水项目数据,建立水体基础变动模型,利用增扩数据训练多层感知机神经网络模型得到水体变动模型。然后以水体分布数据为基础,采用遗传算法计算最优采样参数。最后,建立回归神经网络模型,输入当前待测水域的环境参数,得到多通道采水器的定深分层参数。该方法利用历史采样数据,通过数据扩充、神经网络、遗传算法等技术,实现了对目标水体的精细化建模和采样参数的智能优化,为多通道采水监测提供了有效支撑。解决了现有技术对于采水器的定深分层参数确定往往依靠操作人员经验,采样数据的代表性和可靠性不够的技术问题。
技术关键词
多通道
项目
待测水域
参数
分层
数据
多层感知机
神经网络模型
水体
遗传算法
可读存储介质
长短期记忆网络
模块
采水器
计算机
基础
指标
覆盖率
训练集
系统为您推荐了相关专利信息
资源分配
径向速度信息
运动剧烈程度
轮廓特征
感知特征
控制逻辑系统
执行机构
传感器模块
旋转臂
PID控制算法
新型环保节能
粒子群算法
强度
智能算法
粒子群优化技术
旋转平台
角度检测装置
图像采集装置
人机交互界面
控制模块