(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677893.X (22)申请日 2021.12.31 (71)申请人 中科三清科技有限公司 地址 100193 北京市海淀区东北旺西路8号 院36号楼5层523室 (72)发明人 李杨杨　丁亚雄　阮鲲　曹磊　 丁娜娜　王绍武　黄铜　张政　 冯婉玲　 (74)专利代理 机构 北京辰权知识产权代理有限 公司 11619 代理人 孔垂超 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06T 3/40(2006.01)G06V 20/10(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/82(2022.01) (54)发明名称 水华预测方法、 装置、 电子设备及计算机可 读存储介质 (57)摘要 本申请公开了一种水华预测方法、 装置、 电 子设备及计算机可读存储介质。 该方法包括： 构 建BP神经网络模型； 利用某观测时段的水质参数 浓度历史数据及遥感影像历史数据构建水质参 数遥感反演 模型； 利用水质参数遥感反演模型处 理当前时刻 的遥感影像数据得到当前时刻 的水 质参数浓度数据； 从天气预报模式模拟的资料中 获取当前时刻的气象预报数据； 将水质参数浓度 数据及气象预报数据输入BP神经网络模 型， 得到 水华预测结果。 本申请的水华预测方法， 构建水 质参数遥感反演模型， 利用遥感反演的水质参数 浓度能够获取大范围、 高频次的水质参数浓度， 有利于水华预测工作的开展。 权利要求书2页 说明书11页 附图4页 CN 114169646 A 2022.03.11 CN 114169646 A 1.一种水华预测方法， 其特 征在于， 包括： 构建BP神经网络模型； 利用某一观测时段的水质参数浓度历史数据以及遥感影像历史数据， 构建水质参数遥 感反演模型； 利用所述水质参数遥感反演模型处理当前时刻的遥感影像数据， 得到当前时刻的水质 参数浓度数据； 获取所述当前时刻的气象预报数据； 将所述水质参数浓度 数据以及所述气象预报数据输入所述BP神经网络模型进行处理， 得到水华预测结果。 2.根据权利要求1所述的水华预测方法， 其特 征在于， 所述构建BP神经网络模型， 包括： 设置输入层、 隐藏层和输出层， 构成初始BP神经网络； 将训练数据输入所述初始BP神经网络处 理， 获得预测结果； 计算所述预测结果与期望结果之间的误差； 根据所述误差调整所述初始BP神经网络的参数， 直至所述误差达到预设精度阈值， 得 到所述BP神经网络模型。 3.根据权利要求1所述的水华预测方法， 其特征在于， 所述利用某一观测时段的水质参 数浓度历史数据以及遥感影 像历史数据， 构建水质参数遥感反演模型， 包括： 下载所述观测时段的MODIS  L1级遥感影像， 对所述MODIS  L1级遥感影像进行预处理， 计算预处 理后的遥感影 像的遥感反射 率； 根据所述水质参数浓度历史数据的观测位置， 获取所述预处理后的遥感影像上所述观 测位置的反射 率数据， 结合所述水质参数浓度历史数据组成反射 率‑水质参数浓度数据对； 将所述数据对划分为训练数据集和验证数据集； 利用所述预处 理后的遥感影 像的遥感反射 率构建多个水质参数遥感反演初始模型； 利用所述训练数据集训练各所述水质参数遥感反演初始模型， 利用所述验证数据集验 证训练后的各水质参数遥感反演初始模型的准确度， 选取其中准确度达到预设准确度阈值 的作为水质参数遥感反演模型。 4.根据权利要求3所述的水华预测方法， 其特征在于， 所述水质参数遥感反演模型包括 叶绿素a浓度遥感反演模型、 总磷 浓度遥感反演模型和总氮浓度遥感反演模型； 所述预处理后的遥感影像的遥感反射率包括所述预处理后的遥感影像的第1波段和第 2波段的遥感反射 率； 所述水质参数遥感反演初始模型包括叶绿素a浓度遥感反演初始模型、 总磷浓度遥感 反演初始模型和总氮浓度遥感反演初始模型； 所述利用所述预处理后的遥感影像的遥感反射率构建水质参数遥感反演初始模型， 包 括： 利用所述预处理后的遥感影像的第1波段和第2波段的遥感反射率分别构建多个所述 叶绿素a浓度遥感反演初始模型、 多个所述总磷浓度遥感反演初始模型以及多个所述总氮 浓度遥感反演初始模型。 5.根据权利 要求3所述的水华预测方法， 其特征在于， 所述对所述MODIS  L1级遥感影像 进行预处理， 包括：权　利　要　求　书 1/2 页 2 CN 114169646 A 2对所述MODIS  L1级遥感影 像进行辐射定标处 理、 大气校正处 理和几何校正处 理。 6.根据权利要求1所述的水华预测方法， 其特征在于， 所述获取所述当前时刻的气象预 报数据， 包括： 从天气预报模式模拟的资料中提取 出当前时刻的气象预报原 始数据； 按照预设空间分辨率使用双线性插值法对所述气象预报原始数据进行重采样， 得到所 述气象预报数据。 7.根据权利要求1所述的水华预测方法， 其特征在于， 所述气象预报数据包括风速、 风 向和温度的数据。 8.一种水华预测装置， 其特 征在于， 包括： 第一构建模块， 用于构建BP神经网络模型； 第二构建模块， 用于利用某一观测时段的水质参数浓度历史数据以及遥感影像历史数 据， 构建水质参数遥感反演模型； 第一获取模块， 用于利用所述水质参数遥感反演模型处理当前时刻的遥感影像数据， 得到当前时刻的水质参数浓度数据； 第二获取模块， 用于获取 所述当前时刻的气象预报数据； 预测处理模块， 用于将所述水质参数浓度 数据以及所述气象预报数据输入所述BP神经 网络模型进行处 理， 得到水华预测结果。 9.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在所述存储器上并可在所述 处理器上运行的计算机程序， 所述处理器执行所述程序， 以实现如权利要求 1‑7中任一所述 的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行， 以实现如权利要求1 ‑7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114169646 A 3