本发明涉及贝类养殖碳汇评估领域，特别是一种贝类养殖碳汇评估模型的构建方法。
背景技术：
1、随着全球气候变化问题的日益严峻，碳汇的概念和重要性逐渐被认识和重视。碳汇指的是能够吸收并储存大气中二氧化碳的能力，而贝类养殖作为一种自然碳汇，其在减少大气中温室气体浓度方面具有潜在的作用。贝类通过其滤食作用和生物沉积过程，能够将大量的碳固定在海洋沉积物中，从而减少大气中的二氧化碳。藻类通过光合作用同样能够大量吸收二氧化碳，并转化为有机碳。
2、然而，对于贝类养殖碳汇能力的评估，传统的方法是通过实地测量和经验估算，这些方法往往耗时耗力，且准确度有限。因此，开发一种科学、高效、准确的评估模型成为了该领域的一个重要课题。
技术实现思路
1、本发明的目的是要提供一种贝类养殖碳汇评估模型的构建方法。
2、为达到上述目的，本发明是按照以下技术方案实施的：
3、本发明包括如下步骤：
4、a收集贝类养殖区域的环境数据和生物数据，获取所述贝类养殖区域的生长数据，对所述环境数据和所述生物数据进行预处理；
5、b计算所述环境数据和所述生长数据的关联度得到所述生长数据的第一影响数据，计算所述生物数据和所述生长数据的关联度得到所述生长数据的第二影响数据；
6、c对所述第一影响数据和所述第二影响数据建立动态权重，根据所述动态权重、所述第一影响数据和所述第二影响数据得到所述生长数据的影响变量数据，基于所述生长数据得到碳汇数据，基于所述影响变量数据和所述碳汇数据构建碳汇评估模型；
7、d优化所述碳汇评估模型的参数，将待评估数据输入所述碳汇评估模型，输出评估结果。
8、进一步地，所述生物数据和所述生长数据，所述生物数据包括贝类和藻类的种类和生物量，所述生长数据包括所述贝类和所述藻类的生长量。
9、进一步地，计算所述环境数据和所述生长数据的关联度得到所述生长数据的第一影响数据，计算所述生物数据和所述生长数据的关联度得到所述生长数据的第二影响数据的方法包括：
10、使用所述环境数据、所述生物数据和所述生长数据建立数据集，使用所述数据集进行训练，其中所述环境数据和所述生物数据为自变量，根据所述自变量对所述生长数据进行预测，关于所述自变量和预测值的决策函数为：
11、f(x)＝ωtτ(x)+b,b∈r
12、其中，f(x)为线性回归函数，x为所述自变量，τ(x)为映射函数，ωt为ω的转置，ω和b为待确定的权重向量和偏置，r表示实数，加入松弛变量和惩罚因子防止过拟合，目标函数为：
13、
14、其中，为所述目标函数，为正则化项，ξ和为所述松弛变量，c为所述惩罚因子，0.1≤c≤100，m为所述自变量的个数，将所述目标函数转换为拉格朗日函数：
15、
16、
17、其中，l为所述拉格朗日函数，拉格朗日乘子μi和为与所述松弛变量有关的松弛乘子，αi和为优化过程中的优化乘子，f(xi)为所述预测值，yi为所述生长数据，ε为容忍误差，0.01≤ε≤0.2，所述拉格朗日函数的极小值：
18、
19、其中，k为核函数，将自变量从n维实向量空间映射到高维空间，寻找最优的超平面预测所述生长数据，选取高斯径向基函数为核函数，求解所述拉格朗日函数的极小值得到最优的所述优化乘子，根据最优的所述优化乘子计算所述权重向量的值作为所述自变量的权重：
20、
21、将所述环境数据及其权重作为所述第一影响数据，将所述生物数据及其权重作为所述第二影响数据。
22、进一步地，对所述第一影响数据和所述第二影响数据建立动态权重，根据所述动态权重、所述第一影响数据和所述第二影响数据得到所述生长数据的影响变量数据的方法包括：
23、对所述第一影响数据和所述第二影响数据进行时序分析，得到季节性成分，使用所述第一影响数据和所述第二影响数据建立特征集，使用所述特征集训练判别器和生成器，在所述判别器中加入所述季节性成分，根据所述季节性成分调整所述特征集中的权重，所述生成器使用随机噪声输出生成数据，所述判别器对所述生成数据和所述特征集中的原始数据进行判别，所述判别器和所述生成器的损失函数为：
24、
25、其中，u(j,k)为所述判别器和所述生成器的对抗损失函数，j为所述判别器，k为所述生成器，a为j接收的样本数据，j(a)为j输出的a为所述原始数据的概率，b为随机噪声向量，qreal(a)为所述原始数据的分布，qb(b)为b的分布，e为期望，λ和μ为正则化系数，w为网络权重，所述判别器的梯度计算公式：
26、
27、其中，为所述判别器的参数的梯度，所述生成器的梯度计算公式：
28、
29、其中，为所述生成器的参数的梯度，通过计算所述参数的梯度，调整所述参数，将所述损失函数最小化，将所述生成器的生成权重的平均值作为所述动态权重，去除所述动态权重小于预设阈值的所述第一影响数据和所述第二影响数据，计算所述影响变量数据。
30、进一步地，基于所述生长数据得到碳汇数据的方法包括：
31、计算所述碳汇数据的公式：
32、
33、其中，c碳汇为贝类养殖的碳汇能力，为所述贝类的碳汇能力，为所述藻类的碳汇能力，s为所述生长量，i和j分别为所述贝类和所述藻类的种类，λ为干湿系数，α和β分别为贝类软组织的比重和碳含量，θ和ω分别为所述贝类的贝壳的比重和碳含量，p为碳和二氧化碳的转化系数，δ为所述藻类的碳含量。
34、进一步地，基于所述影响变量数据和所述碳汇数据构建碳汇评估模型的方法包括：
35、所述碳汇评估模型包括变分自编码器、机器学习算法和多目标优化算法；基于所述影响变量数据训练所述变分自编码器，将所述待评估数据输入训练好的所述变分自编码器得到影响数据；
36、使用机器学习算法学习所述影响变量数据与所述碳汇数据之间的潜在模式，将所述影响数据输入所述潜在模式得到检验结果；
37、根据所述检验结果使用所述多目标优化算法优化所述碳汇评估模型的参数，建立所述碳汇评估模型。
38、进一步地，优化所述碳汇评估模型的参数的方法包括：
39、建立初始种群，种群由粒子组成，所述粒子的位置为所述碳汇评估模型的参数，所述粒子的速度更新公式和位置更新公式为：
40、
41、
42、其中，v为速度，x为位置，w为惯性权重，a和b为加速常数，取值范围为1.4～2，s1和s2为大于0小于1的随机数，为粒子i在迭代k时的个体最优解，为迭代k时的全局最优解，动态调整所述惯性权重的表达式：
43、
44、其中，wmax为最大惯性权重，wmin为最小惯性权重，kmax为最大迭代次数，使用所述个体最优解和所述全局最优解建立解集，对所述解集进行非支配排序，计算所述粒子的拥挤度：
45、
46、其中，ni为解i的邻近解集合，card(ni)为集合ni的大小，fi为解i的性能指标向量，fj为解j的所述性能指标向量，max(f)为所有解的所述性能指标向量中的最大值集合，min(f)为所述所有解的性能指标向量中的最小值集合，选择所有前沿中拥挤度最高的解生成第一最优解集，生成新种群，重复所述非支配排序和计算所述拥挤度，得到最优解集，根据模糊满意度从所述最优解集中选取最优解，将所述最优解对应的所述碳汇评估模型的参数应用于所述碳汇评估模型中，完成优化。
47、第二方面，本技术实施例还提供一种电子设备，包括：
48、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。
49、第三方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的方法步骤。
50、本发明的有益效果是：
51、本发明的贝类养殖碳汇评估模型构建方法通过相关性分析、动态权重调整、构建模型和优化模型，显著提高了碳汇评估的准确性和效率。该方法能够适应不同养殖环境，灵活应对环境变化，为养殖业者和政策制定者提供科学的决策支持。此外，该方法有助于量化贝类养殖对环境的贡献，促进海洋生态系统的保护和经济的可持续发展。
1.一种贝类养殖碳汇评估模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤a中所述生物数据和所述生长数据，所述生物数据包括贝类和藻类的种类和生物量，所述生长数据包括所述贝类和所述藻类的生长量。
3.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤b中计算所述环境数据和所述生长数据的关联度得到所述生长数据的第一影响数据，计算所述生物数据和所述生长数据的关联度得到所述生长数据的第二影响数据的方法包括：
4.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤c中对所述第一影响数据和所述第二影响数据建立动态权重，根据所述动态权重、所述第一影响数据和所述第二影响数据得到所述生长数据的影响变量数据的方法包括：
5.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤c中基于所述生长数据得到碳汇数据的方法包括：
6.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤c中基于所述影响变量数据和所述碳汇数据构建碳汇评估模型的方法包括：
7.根据权利要求1所述的一种贝类养殖碳汇评估模型的构建方法，其特征在于，步骤d中优化所述碳汇评估模型的参数的方法包括：
8.一种电子设备，包括：处理器；以及
9.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
