[發明專利]基于神經網絡和證據理論的水污染事件智能決策方法

有效

• 申請號: 201611184080.6
• 申請日: 2016-12-20
• 公開（公告）號: CN106779418B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 倪建軍;邵曉琦;羅成名;范新南;詹萬林
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06F16/00
• 分類號: G06F16/00;G06Q10/06;G06N3/02;G06N5/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，包括以下步驟：

步驟S1，采集待檢測水域的水體表面圖像，從中提取圖像特征參數，并對各類圖像特征參數進行歸一化；

步驟S2，基于各類圖像特征參數進行模糊推理，得到水污染事件類型的初步判斷；

步驟S3，根據水污染事件類型的初步判斷，調用相應的水質傳感器提取水質特征參數，并對各水質特征參數數值進行歸一化；

步驟S4，以圖像特征參數和水質特征參數作為輸入層，以水污染事件類型作為輸出層，建立徑向基函數神經網絡模型，并利用歷史數據樣本對神經網絡進行訓練和學習；

步驟S5，將提取的圖像特征參數以及水質特征參數輸入訓練好的神經網絡，并進行識別，計算各特征參數對應的基本概率分配BPA；

步驟S6，運用D-S證據理論合成規則將各特征參數的BPA進行融合，并據此融合BPA得到最終的水污染類型判斷結果；

步驟S7，將水污染類型與對應的水污染事件處理機制進行模糊匹配，獲得處理預案。

2.根據權利要求1所述的基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，設各類數據的采集范圍是x_i～y_i，i＝1,2……N，N為圖像特征參數類別數，則對于數據的值z_i，做如下處理，使其歸一化的統一量綱的特征參數A_i為：

A_i＝1000z_i/(y_i-x_i)。

3.根據權利要求1所述的基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，模糊推理采用Mamdani模糊推理法。

4.根據權利要求1所述的基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，設各水質傳感器儀表測量范圍是a_i～b_i，i為傳感器的編號i＝1,2……K，K為傳感器數目，則對于該傳感器的測量值c_i，做如下處理，使其歸一化的統一量綱的特征參數C_i：

C_i＝1000c_i/(a_i-b_i)。

5.根據權利要求1所述的基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，計算每個特征參數對應BPA_n的公式是：

其中，n指第n個特征參數，1nK+N；K為傳感器數目，N為圖像可采集特征參數的數目，W_jn為特征參數對應水污染事件類型的連接權值。

6.根據權利要求1所述的基于神經網絡和證據理論的水污染事件智能決策方法，其特征是，步驟S5中，得到最終的水污染類型判斷結果的具體過程為：選擇最終所有BPA中的最大值：

若BPA_MAX大于等于設定值，則判斷出水污染的類型為該BPA所對應的類型。