本申請涉及生態數據監測技術領域，尤其涉及一種面向生態流量數據的監測更新方法和裝置，采集關聯生態流量平衡的脅迫指標；基于預先部署的脅迫更新日志，將脅迫指標進行標準化整合，輸出標準化整合后的脅迫指標；基于脅迫指標及各脅迫指標間的依賴關聯，部署面向生態流量數據的監測更新模型結構；基于標準化整合后的脅迫指標和面向生態流量數據的監測更新模型結構，確定面向生態流量數據的監測更新模型；采集待更新生態流量的平衡脅迫數據，結合面向生態流量數據的監測更新模型，輸出待更新生態流量的平衡脅迫更新結果。本發明專利技術保證了數據一致性，提高了數據更新的效率和更新過程的管理和追溯能力，為生態系統管理和保護提供科學依據。
【技術實現步驟摘要】
本申請涉及生態數據監測，尤其涉及一種面向生態流量數據的監測更新方法和裝置。
技術介紹
1、生態數據作為一個復雜、開放、動態、非平衡和非線性數據。對于生態數據穩定性的研究，有些只專注于生態數據中的生物部分(如分類學、生物多樣性等)，有些雖然考慮了生物與非生物兩部分，但也僅是通過統計手段(將兩者簡單的聯系起來。而在復雜多變的環境中，生物與非生物之間通過非線性相參數用耦合在一起，并且由于生態數據的開放性，二者自身也往往具有復雜結構。所以以前的方法不能夠客觀、準確的監測生態數據穩定性。
2、為了能夠真實地描述生態數據在跨數據跨空間和時間上的準確性，對生態數據準確性進行科學地評價與預測，有必要基于機器學習的方法構建生態數據準確性監測模型，除了考慮生態數據各物種指標自身的重要性外，還會將種間互作網絡的拓撲結構和準確性指標，對生態數據的準確性進行監測和預測，納入到模型中，極大地減少以往監測方法的主觀性，克服具有不同差異生態數據準確性的不可比性，使得生態數據準確性的監測結果更加準確。
3、在現有技術對生態數據的準確性監測方法中，增加模型的數據量會增加處理的難度，這具有一定的局限性，而有的生態數據指標數據變量對生態數據的準確性影響較大，需要進行一定的挑選，以實現低成本高準確率的生態數據準確性監測。此外，對于傳統的生態數據監測可能僅有人工的方法進行監測，會導致成本過高，且人工監測利用的數據誤差大，準確度較低。
技術實現思路
1、為解決上述問題，本申請提供如下技術方案：
<
p>2、根據本專利技術第一方面，本專利技術請求保護一種面向生態流量數據的監測更新方法，包括：3、采集關聯生態流量平衡的脅迫指標；
4、基于預先部署的脅迫更新日志，將所述脅迫指標進行標準化整合，輸出標準化整合后的脅迫指標；其中，所述預先部署的脅迫更新日志用于說明各脅迫指標存在程度的相關性級別與存在可能性級別；
5、基于所述脅迫指標及各脅迫指標間的依賴關聯，部署面向生態流量數據的監測更新模型結構；
6、基于所述標準化整合后的脅迫指標和所述面向生態流量數據的監測更新模型結構，確定面向生態流量數據的監測更新模型；
7、采集待更新生態流量的平衡脅迫數據，基于所述平衡脅迫數據和所述面向生態流量數據的監測更新模型，輸出所述待更新生態流量的平衡脅迫更新結果。
8、進一步地，所述面向生態流量數據的監測更新模型為lstm模型算法；
9、所述待更新生態流量的平衡脅迫數據為關聯待更新生態流量平衡的脅迫指標和/或待更新生態流量的異常類型；
10、所述基于所述平衡脅迫數據和所述面向生態流量數據的監測更新模型，輸出所述待更新生態流量的平衡脅迫更新結果，包括：
11、基于預先部署的脅迫更新日志，將所述平衡脅迫數據進行標準化整合，輸出標準化整合后的平衡脅迫數據；
12、將標準化整合后的關聯待更新生態流量平衡的脅迫指標發送至所述lstm模型算法中，確定所述待更新生態流量的平衡脅迫場景；其中，所述平衡脅迫場景包括深度脅迫場景、一般脅迫場景和平衡場景；
13、和/或，將標準化整合后的所述待更新生態流量的異常類型發送至所述lstm模型算法中，確定所述待更新生態流量存在該異常類型的脅迫指標。
14、進一步地，所述將標準化整合后的關聯待更新生態流量平衡的脅迫指標發送至所述lstm模型算法中，確定所述待更新生態流量的平衡脅迫場景，包括：
15、將標準化整合后的關聯待更新生態流量平衡的脅迫指標發送至所述lstm模型算法中，基于假說演繹分析，輸出各脅迫指標對應的平衡脅迫場景的可能性分布；
16、若任意一項脅迫指標對應的平衡脅迫場景中的深度脅迫場景的可能性值超過預置脅迫閾值，則確定該脅迫指標處于深度脅迫場景；
17、若各脅迫指標對應的平衡脅迫場景中的深度脅迫場景的可能性值均不超過預置脅迫閾值，則確定各脅迫指標不處于深度脅迫場景。
18、進一步地，所述將標準化整合后的所述待更新生態流量的異常類型發送至所述lstm模型算法中，確定所述待更新生態流量存在該異常類型的脅迫指標，包括：
19、基于標準化整合后的所述待更新生態流量的異常類型，在所述lstm模型算法的輸出網元中，將該異常類型的可能性分布調整為深度脅迫場景，基于歸納分析，確定各脅迫指標對應的平衡脅迫場景的可能性分布，并將深度脅迫場景的可能性值超過預置脅迫閾值的脅迫指標作為存在該異常類型的脅迫指標。
20、進一步地，所述基于預先部署的脅迫更新日志，將所述脅迫指標進行標準化整合，包括：
21、基于預先部署的脅迫更新日志，確定各脅迫指標對應的存在程度的相關性級別與存在可能性級別；
22、基于各脅迫指標對應的存在程度的相關性與存在可能性，確定各脅迫指標對應的平衡脅迫級別；
23、基于各脅迫指標對應的平衡脅迫級別，將各脅迫指標進行標準化整合。
24、進一步地，所述基于所述脅迫指標及各脅迫指標間的依賴關聯，部署面向生態流量數據的監測更新模型結構，包括：
25、基于所述脅迫指標，部署脅迫指標數據集；
26、將各脅迫指標作為網元變量，并判斷各脅迫指標之間的依賴關聯，將各網元變量進行相連，輸出多個隊列；
27、計算每個隊列與所述脅迫指標數據集的滿足度，將滿足度最大的隊列作為面向生態流量數據的監測更新模型結構。
28、進一步地，所述基于所述標準化整合后的脅迫指標和所述面向生態流量數據的監測更新模型結構，確定面向生態流量數據的監測更新模型，包括：
29、基于所述面向生態流量數據的監測更新模型結構，確定各脅迫指標對應的可能性分布；
30、將所述面向生態流量數據的監測更新模型結構作為參數學習對象，并將所述標準化整合后的脅迫指標，導入到所述面向生態流量數據的監測更新模型結構中，并采用參數學習，對所述面向生態流量數據的監測更新模型結構進行修正，確定面向生態流量數據的監測更新模型。
31、根據本專利技術第二方面，本專利技術請求保護一種面向生態流量數據的監測更新裝置，包括：
32、采集單元，用于采集關聯生態流量平衡的脅迫指標；
33、整合單元，用于基于預先部署的脅迫更新日志，將所述脅迫指標進行標準化整合，輸出標準化整合后的脅迫指標；其中，所述預先部署的脅迫更新日志用于說明各脅迫指標存在程度的相關性級別與存在可能性級別；
34、部署單元，用于基于所述脅迫指標及各脅迫指標間的依賴關聯，部署面向生態流量數據的監測更新模型結構；
35、所述部署單元，還用于基于所述標準化整合后的脅迫指標和所述面向生態流量數據的監測更新模型結構，確定面向生態流量數據的監測更新模型；
36、更新單元，用于采集待更新生態流量的平衡脅迫數據，基于所述平衡脅迫數據和所述面向生態流量數據的監測更新模型中，輸出所述待更新本文檔來自技高網
...
【技術保護點】
1.一種面向生態流量數據的監測更新方法，其特征在于，包括：
2.如權利要求1所述的面向生態流量數據的監測更新方法，其特征在于，所述面向生態流量數據的監測更新模型為LSTM模型算法；
3.如權利要求2所述的面向生態流量數據的監測更新方法，其特征在于，所述將標準化整合后的關聯待更新生態流量平衡的脅迫指標發送至所述LSTM模型算法中，確定所述待更新生態流量的平衡脅迫場景，包括：
4.如權利要求2所述的面向生態流量數據的監測更新方法，其特征在于，所述將標準化整合后的所述待更新生態流量的異常類型發送至所述LSTM模型算法中，確定所述待更新生態流量存在該異常類型的脅迫指標，包括：
5.如權利要求1所述的面向生態流量數據的監測更新方法，其特征在于，所述基于預先部署的脅迫更新日志，將所述脅迫指標進行標準化整合，包括：
6.如權利要求1所述的面向生態流量數據的監測更新方法，其特征在于，所述基于所述脅迫指標及各脅迫指標間的依賴關聯，部署面向生態流量數據的監測更新模型結構，包括：
7.如權利要求1所述的面向生態流量數據的監測更新方法，其特征在于，所述基于所述標準化整合后的脅迫指標和所述面向生態流量數據的監測更新模型結構，確定面向生態流量數據的監測更新模型，包括：
8.一種面向生態流量數據的監測更新裝置，其特征在于，包括：
...
【技術特征摘要】
1.一種面向生態流量數據的監測更新方法，其特征在于，包括：
2.如權利要求1所述的面向生態流量數據的監測更新方法，其特征在于，所述面向生態流量數據的監測更新模型為lstm模型算法；
3.如權利要求2所述的面向生態流量數據的監測更新方法，其特征在于，所述將標準化整合后的關聯待更新生態流量平衡的脅迫指標發送至所述lstm模型算法中，確定所述待更新生態流量的平衡脅迫場景，包括：
4.如權利要求2所述的面向生態流量數據的監測更新方法，其特征在于，所述將標準化整合后的所述待更新生態流量的異常類型發送至所述lstm模型算法中，確定所述待更新生態流量存在該異常類型的脅迫指...
【專利技術屬性】
技術研發人員：錢波，莊錦亮，
申請(專利權)人：西昌學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。