【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請涉及廢水檢測，尤其涉及一種基于ai的廢水生物毒性預(yù)測方法及系統(tǒng)。
技術(shù)介紹
1、廢水生物毒性是指廢水中所含有的有毒有害物質(zhì)對生物體產(chǎn)生的毒害作用。隨著城市工業(yè)化進(jìn)程的加快和城市人口的增長，工業(yè)廢水和生活污水的排放量急劇增加，其中包含了各種復(fù)雜的有機(jī)物、重金屬、新污染物等，即使經(jīng)過處理，部分痕量有毒有害物質(zhì)可能轉(zhuǎn)化為生物毒性更強(qiáng)的中間產(chǎn)物，造成廢水生物毒性不能有效控制。這些有毒有害物質(zhì)可能對水生生態(tài)系統(tǒng)和人類健康造成嚴(yán)重威脅，因此，對廢水生物毒性的檢測和評估具有重要的環(huán)境意義和社會價值。
2、隨著人工智能（英文全稱：artificial?intelligence，英文簡稱：ai）和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，將ai應(yīng)用于廢水生物毒性預(yù)測領(lǐng)域成為了研究熱點(diǎn)。但是，現(xiàn)有的廢水生物毒性預(yù)測方法通常直接使用待測廢水中的分子特征數(shù)據(jù)信息進(jìn)行毒性預(yù)測，缺乏有效的特征篩選方法，從而導(dǎo)致數(shù)據(jù)冗余，降低了預(yù)測精度。
技術(shù)實(shí)現(xiàn)思路
1、本申請?zhí)峁┮环N基于ai的廢水生物毒性預(yù)測方法及系統(tǒng)。以解決上述
技術(shù)介紹
提出的問題。
2、第一方面，本申請?zhí)峁┮环N基于ai的廢水生物毒性預(yù)測方法，包括：
3、獲取待測廢水的分子特征數(shù)據(jù)信息，并基于預(yù)設(shè)的分子指紋算法生成所述分子特征數(shù)據(jù)信息對應(yīng)的指紋特征矩陣；
4、基于化學(xué)物質(zhì)毒性判斷標(biāo)準(zhǔn)確定所述指紋特征矩陣中的各個特征化合物的毒性級別，并基于各個所述特征化合物的毒性級別對各個所述特征化合物進(jìn)行聚類分類，得到多個毒性類別集合；其中
5、基于各個所述毒性類別集合分別確定所述指紋特征矩陣中的各個指紋位對應(yīng)的信息增益；
6、基于各個所述指紋位對應(yīng)的信息增益生成初始關(guān)鍵特征矩陣；
7、對所述初始關(guān)鍵特征矩陣進(jìn)行降維處理，得到關(guān)鍵特征矩陣；
8、將所述關(guān)鍵特征矩陣輸入預(yù)設(shè)的集成式生物毒性預(yù)測模型，得到所述待測廢水的生物毒性預(yù)測結(jié)果。
9、在一種可能的實(shí)現(xiàn)方式中，所述基于各個所述毒性類別集合分別確定所述指紋特征矩陣中的各個指紋位對應(yīng)的信息增益，包括：
10、分別計(jì)算各個所述毒性類別集合對應(yīng)的條件概率，并基于各個所述毒性類別集合對應(yīng)的條件概率獲取總體熵；
11、分別確定各個所述指紋位對應(yīng)的條件熵；
12、針對各個所述指紋位，利用所述總體熵減所述指紋位對應(yīng)的條件熵，得到所述指紋位對應(yīng)的信息增益。
13、在一種可能的實(shí)現(xiàn)方式中，所述對所述初始關(guān)鍵特征矩陣進(jìn)行降維處理，得到所述關(guān)鍵特征矩陣，包括：
14、將所述初始關(guān)鍵特征矩陣中的各個初始關(guān)鍵指紋位進(jìn)行二元組合，得到多個二元組合對；
15、針對各個所述二元組合對，計(jì)算所述二元組合對的兩個初始關(guān)鍵指紋位之間的皮爾遜相關(guān)系數(shù)；
16、針對各個所述二元組合對，若所述二元組合對對應(yīng)的皮爾遜相關(guān)系數(shù)大于預(yù)設(shè)閾值，在所述初始關(guān)鍵特征矩陣中刪除所述二元組合對中信息增益較小的初始關(guān)鍵指紋位對應(yīng)的列向量。
17、在一種可能的實(shí)現(xiàn)方式中，所述集成式生物毒性預(yù)測模型的訓(xùn)練方法，包括：
18、獲取訓(xùn)練數(shù)據(jù)集；其中，所述訓(xùn)練數(shù)據(jù)集包括多個樣本，各個樣本均包括特征矩陣和對應(yīng)的生物毒性標(biāo)準(zhǔn)值；
19、將所述訓(xùn)練數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測試集；
20、基于所述訓(xùn)練集分別對預(yù)設(shè)的各個基礎(chǔ)學(xué)習(xí)器進(jìn)行訓(xùn)練，得到各個所述基礎(chǔ)學(xué)習(xí)器對應(yīng)的子模型；
21、針對各個所述子模型，基于所述驗(yàn)證集判斷所述子模型的模型參數(shù)是否需要進(jìn)行調(diào)整；若需要，基于預(yù)設(shè)的參數(shù)調(diào)整方法對所述子模型的模型參數(shù)進(jìn)行調(diào)整，得到所述子模型對應(yīng)的目標(biāo)子模型；若不需要，確定所述子模型為目標(biāo)子模型；
22、基于所述測試集分別確定各個所述目標(biāo)子模型的權(quán)重系數(shù)；
23、基于各個所述目標(biāo)子模型的權(quán)重系數(shù)構(gòu)建所述集成式生物毒性預(yù)測模型。
24、在一種可能的實(shí)現(xiàn)方式中，所述基于所述驗(yàn)證集判斷所述子模型的模型參數(shù)是否需要進(jìn)行調(diào)整，包括：
25、針對所述驗(yàn)證集中的各個驗(yàn)證樣本，將所述驗(yàn)證樣本對應(yīng)的特征矩陣輸入所述子模型，得到所述驗(yàn)證樣本對應(yīng)的生物毒性預(yù)測值，并獲取所述驗(yàn)證樣本對應(yīng)的生物毒性標(biāo)準(zhǔn)值與生物毒性預(yù)測值之間的差值的第一絕對值；
26、分別將各個所述第一絕對值與第一預(yù)設(shè)絕對值進(jìn)行比較；
27、若存在任一所述第一絕對值大于所述第一預(yù)設(shè)絕對值，判定所述子模型的模型參數(shù)需要進(jìn)行調(diào)整。
28、在一種可能的實(shí)現(xiàn)方式中，所述基于預(yù)設(shè)的參數(shù)調(diào)整方法對所述子模型的模型參數(shù)進(jìn)行調(diào)整，得到所述子模型對應(yīng)的目標(biāo)子模型，包括：
29、針對各個所述驗(yàn)證樣本，當(dāng)所述驗(yàn)證樣本對應(yīng)的第一絕對值大于所述第一預(yù)設(shè)絕對值時，基于所述驗(yàn)證樣本對應(yīng)的生物毒性標(biāo)準(zhǔn)值與生物毒性預(yù)測值構(gòu)建二元交叉熵?fù)p失函數(shù)值，并利用所述生物毒性標(biāo)準(zhǔn)值減所述生物毒性預(yù)測值，得到輸出誤差值，及基于所述二元交叉熵?fù)p失函數(shù)值與所述輸出誤差值，采用反向傳播方法調(diào)整所述子模型的模型參數(shù)，得到所述子模型對應(yīng)的目標(biāo)子模型。
30、在一種可能的實(shí)現(xiàn)方式中，所述基于所述測試集分別確定各個所述目標(biāo)子模型的權(quán)重系數(shù)，包括：
31、針對各個所述目標(biāo)子模型，基于所述測試集確定所述目標(biāo)子模型的預(yù)測準(zhǔn)確率；
32、將各個所述目標(biāo)子模型的預(yù)測準(zhǔn)確率相加，得到預(yù)測準(zhǔn)確率之和；
33、針對各個所述目標(biāo)子模型，將所述目標(biāo)子模型對應(yīng)的預(yù)測準(zhǔn)確率與所述預(yù)測準(zhǔn)確率之和的比值作為所述目標(biāo)子模型的權(quán)重系數(shù)。
34、在一種可能的實(shí)現(xiàn)方式中，所述基于所述測試集確定所述目標(biāo)子模型的預(yù)測準(zhǔn)確率，包括：
35、針對所述測試集中的各個測試樣本，將所述測試樣本對應(yīng)的特征矩陣輸入所述目標(biāo)子模型，得到所述測試樣本對應(yīng)的生物毒性預(yù)測值，并獲取所述測試樣本對應(yīng)的生物毒性標(biāo)準(zhǔn)值與生物毒性預(yù)測值之間的差值的第二絕對值；
36、分別將各個所述第二絕對值與第二預(yù)設(shè)絕對值進(jìn)行比較；其中，所述第二預(yù)設(shè)絕對值小于所述第一預(yù)設(shè)絕對值；
37、若所述第二絕對值不大于所述第二預(yù)設(shè)絕對值，確定所述第二絕對值對應(yīng)的測試樣本為準(zhǔn)確測試樣本；
38、統(tǒng)計(jì)所述準(zhǔn)確測試樣本的數(shù)量，并確定所述準(zhǔn)確測試樣本的數(shù)量與所述測試集的樣本總數(shù)量之間的比值為所述目標(biāo)子模型的預(yù)測準(zhǔn)確率。
39、第二方面，本申請?zhí)峁┮环N基于ai的廢水生物毒性預(yù)測系統(tǒng)，包括：
40、獲取模塊，用于獲取待測廢水的分子特征數(shù)據(jù)信息，并基于預(yù)設(shè)的分子指紋算法生成所述分子特征數(shù)據(jù)信息對應(yīng)的指紋特征矩陣；
41、聚類分類模塊，用于基于化學(xué)物質(zhì)毒性判斷標(biāo)準(zhǔn)確定所述指紋特征矩陣中的各個特征化合物的毒性級別，并基于各個所述特征化合物的毒性級別對各個所述特征化合物進(jìn)行聚類分類，得到多個毒性類別集合；其中，一個毒性類別集合對應(yīng)一個毒性級別；
42、確定模本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于AI的廢水生物毒性預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述基于各個所述毒性類別集合分別確定所述指紋特征矩陣中的各個指紋位對應(yīng)的信息增益，包括：
3.根據(jù)權(quán)利要求1所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述對所述初始關(guān)鍵特征矩陣進(jìn)行降維處理，得到所述關(guān)鍵特征矩陣，包括：
4.根據(jù)權(quán)利要求1所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述集成式生物毒性預(yù)測模型的訓(xùn)練方法，包括：
5.根據(jù)權(quán)利要求4所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述基于所述驗(yàn)證集判斷所述子模型的模型參數(shù)是否需要進(jìn)行調(diào)整，包括：
6.根據(jù)權(quán)利要求5所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述基于預(yù)設(shè)的參數(shù)調(diào)整方法對所述子模型的模型參數(shù)進(jìn)行調(diào)整，得到所述子模型對應(yīng)的目標(biāo)子模型，包括：
7.根據(jù)權(quán)利要求6所述的基于AI的廢水生物毒性預(yù)測方法，其特征在于，所述基于所述測試集分別確定各個所述目標(biāo)子模型的權(quán)重系數(shù)，包括：
8.根
9.一種基于AI的廢水生物毒性預(yù)測系統(tǒng)，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于ai的廢水生物毒性預(yù)測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于ai的廢水生物毒性預(yù)測方法，其特征在于，所述基于各個所述毒性類別集合分別確定所述指紋特征矩陣中的各個指紋位對應(yīng)的信息增益，包括：
3.根據(jù)權(quán)利要求1所述的基于ai的廢水生物毒性預(yù)測方法，其特征在于，所述對所述初始關(guān)鍵特征矩陣進(jìn)行降維處理，得到所述關(guān)鍵特征矩陣，包括：
4.根據(jù)權(quán)利要求1所述的基于ai的廢水生物毒性預(yù)測方法，其特征在于，所述集成式生物毒性預(yù)測模型的訓(xùn)練方法，包括：
5.根據(jù)權(quán)利要求4所述的基于ai的廢水生物毒性預(yù)測方法，其特征在于，所述基...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：韓琦，董文藝，王宏杰，
申請(專利權(quán))人：哈爾濱工業(yè)大學(xué)深圳哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。