基于鱼群运动特征和XGBoost的异常水质监测

使用鱼群运动行为特征与XGBoost分类器相结合的方法实现水质监测。根据水质变化对鱼群运动行为的影响,引入从鱼群的运动行为中提取出来的一些具有代表性的特征参数,如中心距指数、离散度、分布面积 3个特征参数;其次分别提取正常和异常水质中鱼群游动距离、速度、加速度、曲率、邻近特征5个特征参数,建立水质异常评价因子数据库;最后将不同评价因子输入到XGBoost分类器中进行分类识别。实验结果表明:中心距指数、离散度、分布面积 3个特征参数能够高效、准确地反映水质状况。     

基于鱼类运动行为的水质异常评价因子研究

针对利用鱼类运动行为进行异常水质评价的问题,本文对如何选取具有普遍性、全面性、代表性等特点且能够反映水环境与鱼类运动特征参数之间的主要相关性的因子进行了研究。首先通过研究水质变化对红鲫鱼运动轨迹的影响,引入基于鱼类运动轨迹的曲率、邻近特征这两个特征参数;其次分别提取正常和异常水质中红鲫鱼的速度、加速度、曲率、邻近特征4个特征参数,建立水质异常评价因子数据库;最后将不同评价因子输入支持向量机(SVM)进行分类识别,且采用ROC曲线考察鱼类运动特征参数和水质安全定性关系的准确性。实验结果表明,曲率、邻近特征作为水质评价因子明显优于速度、加速度,不但异常水质识别率达到90%以上,而且通过ROC曲线可知其建立的模型具有稳健性、普适性、高效性。     

基于视觉感知的鱼群运动行为特征参数提取

针对如何利用生物监测技术提高异常水质识别率的问题,对生物水质评价因子进行了研究,提出了改进的鱼群重心算法。在此算法的基础上引入新的鱼群运动行为特征参数即鱼群离散度、曲率、邻近特征,并对这些特征参数进行预处理,建立水质异常评价因子数据集,最后将评价因子输入支持向量机(SVM)进行水质异常识别。实验结果表明,引入的特征参数用于水质异常评价中,识别效果明显优于其它方法,识别率达到92%以上。