[发明专利]基于神经网络和证据理论的水污染事件智能决策方法

摘要

本发明公开了基于神经网络和证据理论的水污染事件智能决策方法，包括以下步骤：采集待检测水域的水体表面图像，从中提取图像特征参数，并对各类图像特征参数进行归一化；基于各类图像特征参数进行模糊推理，得到水污染事件类型的初步判断；根据水污染事件类型的初步判断，调用相应的水质传感器提取水质特征参数，并对各水质特征参数数值进行归一化；最后利用神经网络训练出多特征参数和具体的水污染事件之间的非线性映射关系，根据D‑S证据理论对之前建立的映射关系进行加权处理运算，最终做出对水污染类型的预测和决策。本发明方法有效的实时监测目标水域，保证水质的稳定正常，具有较高的灵活性和自适应能力。

主权项

基于神经网络和证据理论的水污染事件智能决策方法，其特征是，包括以下步骤：步骤S1，采集待检测水域的水体表面图像，从中提取图像特征参数，并对各类图像特征参数进行归一化；步骤S2，基于各类图像特征参数进行模糊推理，得到水污染事件类型的初步判断；步骤S3，根据水污染事件类型的初步判断，调用相应的水质传感器提取水质特征参数，并对各水质特征参数数值进行归一化；步骤S4，以图像特征参数和水质特征参数作为输入层，以水污染事件类型作为输出层，建立径向基函数神经网络模型，并利用历史数据样本对神经网络进行训练和学习；步骤S5，将提取的图像特征参数以及水质特征参数输入训练好的神经网络，并进行识别，计算各特征参数对应的BPA；步骤S6，运用D‑S证据理论合成规则将各特征参数的BPA进行融合，并据此融合BPA得到最终的水污染类型判断结果；步骤S7，将水污染类型与对应的水污染事件处理机制进行模糊匹配，获得处理预案。