[发明专利]一种基于污染源溯源的药效提升空气检测系统

权利要求书

1.一种基于污染源溯源的药效提升空气检测系统，其特征在于：

采用熵的聚类算法污染源溯源追踪模块，数据点在某一聚类上的归属越确定时，也就是监测到污染源附近的数据点时，该聚类的信息熵越小；

通过非参数估计法估计密度函数，再利用类内熵和类间熵进行聚类和确定聚类的数目；

这种算法不需要用户输入与聚类有关的参数，能根据数据分布的特征自动获取要聚类的数目，并能发现任意形状和大小的聚类；

根据拓扑相似度公式计算每两个点之间的相似熵，再利用最小带权相似熵准则对选定的点进行相似熵的拓展，反复进行聚类直到没有可扩展点为止；

所述的基于熵的聚类算法污染源溯源方法步骤如下：

给定一个网络，将采集到的空气成分数据集中的每个点单独作为一类并编号；

将数据集均分为k₁(k₁＞k)个子集，从每个子集中随机选择一个数据对象，把随机选择的k₁个数据对象作为聚类种子的中心；

计算每个类的质心；

进一步地，计算k₁个聚类的σ_i(i＝1,2,…,k₁)，并按照σ_i值递增顺序排列，选前k个σ_i值对应的质心作为初始聚类的中心；

计算k个类的质心；

进一步地，任取一点将其加入其他类中，用公式H(C_K)＝-logV(C_K)计算这点加入到这类后的熵，根据公式：H(C_i+x)-H(C_t)＜H(C_k+x)-H(C_k)(其中k＝1,2,…，K k≠i)把它分配到熵的增加量最小的类中；

把分配后的类重新编号，对数据集进行迭代运算，直到网络中所有点全部被标记为止。

2.如权利要求1所述的一种基于污染源溯源的药效提升空气检测系统，其特征在于：

计算数据集两点之间的拓扑相似度，将拓扑相似度转化为相似熵包括：

使用熵值法计算数据对象各属性的权值。

3.如权利要求1所述的一种基于污染源溯源的药效提升空气检测系统，其特征在于：

扫描所有的数据对象，根据其与各聚类种子中心的相似度，将其归入与其最相似的聚类包括：

给定的空气监测传感网络中，选一个未标记点v，以它为种子初始化模块C＝{v}并标记v。搜索模块C新加入点u的所有未标记的邻居。

4.如权利要求1所述的一种基于污染源溯源的药效提升空气检测系统，其特征在于：

扫描所有的数据对象，根据其与k个初始聚类中心的相似度，将其归类最近的聚类包括：

若存在点w满足条件H(C)-H(C+{w})>σ，那么就将w加入到模块C中，并标记w。保留未搜索的点，并对该步骤进行迭代运算，直到满足条件为止，得到一个最小带权熵的模块。

5.一种动态调整药剂喷洒量的药效提升系统，其特征在于：

采用基于神经网络的多变量时间预测模型，建立BP神经网络。

进一步地，初始化权值阈值，依次对BP神经网络初始权值阈值编码。确定神经网络的层数，每一层神经元的个数，以及需要优化的粒子维数；

将影响药剂喷洒量的六种因素：离污染源的距离、空气污染物含量、剩余药剂含量、污染位置、污染的范围和药剂种类，当作输入信息输入到网络中；

若全局最优适应度值小于设定误差，则输出的全局最优粒子位置即为最优的BP神经网络权值阈值；

进一步地，分别计算神经元处理后各层节点的输出，接着计算网络的实际输出和期望输出的误差；

若没有达到要求，则从输出层反向计算第一个隐藏层，并按照某种能使误差减小反向发展的原则，调整网络各神经元的链接权值，直到误差达到要求为止。

6.如权利要求5所述的一种动态调整药剂喷洒量的药效提升系统，其特征在于：

寻找个体极值和群体极值，将每个粒子的适应度函数值与个体极值进行比较包括：

若适应度粒子更小，则该适应度函数值成为新的个体极值。