[發(fā)明專利]基于神經(jīng)網(wǎng)絡和證據(jù)理論的水污染事件智能決策方法

有效

• 申請?zhí)枺?/td>: 201611184080.6
• 申請日: 2016-12-20
• 公開（公告）號: CN106779418B
• 公開（公告）日: 2020-09-04
• 發(fā)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(qū)
• 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(chǎn)權代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了基于神經(jīng)網(wǎng)絡和證據(jù)理論的水污染事件智能決策方法，包括以下步驟：采集待檢測水域的水體表面圖像，從中提取圖像特征參數(shù)，并對各類圖像特征參數(shù)進行歸一化；基于各類圖像特征參數(shù)進行模糊推理，得到水污染事件類型的初步判斷；根據(jù)水污染事件類型的初步判斷，調(diào)用相應的水質(zhì)傳感器提取水質(zhì)特征參數(shù)，并對各水質(zhì)特征參數(shù)數(shù)值進行歸一化；最后利用神經(jīng)網(wǎng)絡訓練出多特征參數(shù)和具體的水污染事件之間的非線性映射關系，根據(jù)D?S證據(jù)理論對之前建立的映射關系進行加權處理運算，最終做出對水污染類型的預測和決策。本發(fā)明方法有效的實時監(jiān)測目標水域，保證水質(zhì)的穩(wěn)定正常，具有較高的靈活性和自適應能力。

技術領域

本發(fā)明涉及一種水污染事件智能決策方法，具體涉及一種結合神經(jīng)網(wǎng)絡模式識別方法和證據(jù)理論的水污染事件預測和決策方法，屬于人工智能技術領域。

背景技術

隨著城市化的推進和經(jīng)濟的逐步發(fā)展，水資源的需求也隨之日益增大，而伴隨而來的由于工業(yè)三廢和居民生活垃廢棄物帶來的水污染現(xiàn)象，也成為一個越來越值得重視的問題。尤其是在居民用水，農(nóng)業(yè)灌溉和養(yǎng)殖，精細化化工業(yè)的用水的領域?qū)λ|(zhì)要求質(zhì)量日益提升的情況下，實現(xiàn)對水源區(qū)水質(zhì)的檢測和對水污染事件的及時預測和決策成為一個新興產(chǎn)業(yè)。

目前的水污染檢測預測方案主要有兩種，第一種就是人工對水質(zhì)進行采樣，再對采樣進行繁雜的化學分析和檢驗，從而得到詳細的水質(zhì)情況報告，這種方案雖然可以很精準的得到水污染的詳細情況，但是耗時很長，無法得到實時更新的水質(zhì)數(shù)據(jù)，而且檢驗成本高，經(jīng)濟效益低；第二種就是采用單一的水質(zhì)監(jiān)測傳感器，對待檢測水域的水污染情況進行實時監(jiān)測，將傳感器得到的屬于實時傳輸?shù)街行挠嬎銠C上，再進行詳細的甄別和預測。這種方案的成本低，可以實現(xiàn)實時監(jiān)測，但是水域環(huán)境本身就是一個復雜的多變的待檢測環(huán)境，單一傳感器的監(jiān)測往往存在信息模糊，容錯能力差，檢測效率差，監(jiān)測范圍小等弱點。

所以，使用多個不同類型的傳感器，對待檢測水域展開多維立體化的探測感知，并將多種觀測數(shù)據(jù)進行優(yōu)化綜合處理，實時獲得待檢測水域的水污染程度是應該進一步展開的工作。多傳感器信息融合技術是針對多傳感器系統(tǒng)的信息表現(xiàn)形式多樣性，信息量的巨大性，信息關系的復雜性以及要求信息處理的及時性所提出的解決方案。其作用在于將多個傳感器系統(tǒng)傳出的信息進行綜合處理，從而得到可靠的結論。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術中的不足，提供了一種基于神經(jīng)網(wǎng)絡和證據(jù)理論的水污染事件智能決策方法，實現(xiàn)多特征參數(shù)和具體的水污染事件之間建立非線性映射關系，根據(jù)D-S證據(jù)理論對之前建立的映射關系進行加權處理運算，最終做出對水污染類型的預測和決策，有效的實時監(jiān)測目標水域，保證水質(zhì)的穩(wěn)定正常。

為解決上述技術問題，本發(fā)明提供了基于神經(jīng)網(wǎng)絡和證據(jù)理論的水污染事件智能決策方法，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(shù)，并對各類圖像特征參數(shù)進行歸一化；

步驟S2，基于各類圖像特征參數(shù)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(jù)水污染事件類型的初步判斷，調(diào)用相應的水質(zhì)傳感器提取水質(zhì)特征參數(shù)，并對各水質(zhì)特征參數(shù)數(shù)值進行歸一化；

步驟S4，以圖像特征參數(shù)和水質(zhì)特征參數(shù)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(shù)神經(jīng)網(wǎng)絡模型，并利用歷史數(shù)據(jù)樣本對神經(jīng)網(wǎng)絡進行訓練和學習；

步驟S5，將提取的圖像特征參數(shù)以及水質(zhì)特征參數(shù)輸入訓練好的神經(jīng)網(wǎng)絡，并進行識別，計算各特征參數(shù)對應的BPA；

步驟S6，運用D-S證據(jù)理論合成規(guī)則將各特征參數(shù)的BPA進行融合，并據(jù)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。