[發明專利]一種水質評價方法及裝置

在審

• 申請號: 201710508078.8
• 申請日: 2017-06-28
• 公開（公告）號: CN107403188A
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 高紅菊;徐文平;杭瀟
• 申請（專利權）人: 中國農業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06F19/00
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 王瑩,曹杰

技術領域

本發明涉及水文預測領域，更具體地，涉及一種水質評價方法及裝置。

背景技術

水質評價指按照評價目標選擇相應的水質參數、水質標準和評價方法，對水體的質量利用價值及水的處理要求作出評定。水質評價是合理開發利用和保護水資源的一項基本工作。根據不同評價類型，采用相應的水質標準。水質評價方法較多，如單因子評價法、綜合評價法、判別分析法和灰色聚類法等。

最近發展起來的神經網絡在信號處理、特征提取、模式識別和非線性預測等領域得到廣泛應用。使用神經網絡進行水質評價的研究有很多，如陳守煜等人提出基于模糊人工神經網絡識別的水質評價模型；朱乾德等人以太湖流域南方小城鎮雪堰鎮為例提出一種基于BP(Back Propagation，后向傳播)神經網絡的水質評價模型，并對BP神經網絡在水質綜合評價中的應用進行分析；王冬生等人提出一種改進的基于PSO-RBF(Radial Basis Function Based on Particle Swarm Optimization，基于粒子群優化的徑向基函數)神經網絡模型的原水水質評價方法，并對其應用進行分析；張宇等人提出一種新的神經網絡模型T-S(Takagi和Sugeno)模糊神經網絡對地下水水質進行評價；向娜等人提出用人工蜂群算法優化的神經網絡用于水質評價與預測研究的模型；孫永泉等人對普通的BP模型做了改進，提出了基于模糊的BP神經網絡模型，分別利用BP模型和改進的模糊BP模型評價湖水水質，并將評價結果進行對比分析。

現有技術中，直接將各類水質指標的值作為輸入，忽略各類水質指標之間具有不同程度的相關性，影響水質評價的準確性。

發明內容

為克服上述不考慮各類水質指標之間相關性，直接將各類水質指標的值作為輸入而影響水質評價的準確性的問題或者至少部分地解決上述問題，本發明提供了一種水質評價方法及裝置。

根據本發明的第一方面，提供一種水質評價方法，包括：

S1，使用主成分分析法將獲取的各類水質指標值結合成綜合指標值；

S2，根據所述綜合指標值，使用蟻群算法優化的RBF神經網絡獲取水質評價結果。

具體地，所述步驟S1具體包括：

對所述水質指標值進行標準化，獲取標準化后的所述水質指標值的矩陣；

根據所述矩陣的特征值獲取各主成分的累積貢獻率；

將所述特征值大于第一預設閾值且所述累積貢獻率大于第二預設閾值的主成分的值作為所述綜合指標值。

具體地，所述步驟S2具體包括：

S21，使用所述蟻群算法對所述綜合指標值進行聚類，獲取聚類中心，將所述聚類中心作為所述RBF神經網絡的中心；

S22，使用反向傳播算法獲取所述RBF神經網絡中從隱含層到輸出層的權值；

S23，根據所述隱含層的隱含單元的輸出，對所述隱含單元進行裁剪。

具體地，所述步驟S21具體包括：

S211，根據任意兩個綜合指標之間的路徑信息量，獲取所述兩個綜合指標中一個綜合指標聚類到另一個綜合指標的概率，若判斷所述概率大于第三閾值，則將所述兩個綜合指標分為一類；

S212，獲取每一類的聚類中心和所有類的總誤差，若判斷所述總誤差小于或等于第四預設閾值，則將所述聚類中心作為所述RBF神經網絡的中心；或者，

若判斷所述總誤差大于所述第四預設閾值，則根據所述綜合指標到所述聚類中心的距離和修改后的信息素持久性系數，獲取新的路徑信息量，使用所述新的路徑信息量迭代執行聚類和確定聚類中心的操作，直到所述總體誤差小于或等于所述第四預設閾值。

具體地，所述步驟S23具體包括：

獲取所述隱含層的每個隱含單元的輸出值，并對所述輸出值進行規范化；

若判斷規范化后的輸出值小于第五預設閾值，則去掉所述輸出值對應的隱含單元。

具體地，在所述步驟S211之前還包括：

根據任意兩個綜合指標之間的歐式距離對所述兩個綜合指標之間的路徑信息量進行初始化。

具體地，所述步驟S2之后還包括：

根據所述步驟S1和S2獲取一個區域中多個位置的水質評價結果；

根據每個位置的坐標和每個所述位置的水質評價結果，獲取所述位置的坐標與所述水質評價結果的關系曲線。

根據本發明的第二方面，提供一種水質評價裝置，包括：

結合單元，用于使用主成分分析法將獲取的各類水質指標值結合成綜合指標值；