[发明专利]一种基于遗传算法优化的RBF神经网络的环境污染监测系统

说明书

本发明公开了一种基于遗传算法优化的RBF神经网络的环境污染监测系统，该系统包括信号输入模块、信号处理模块、计算机云端服务器处理模块、数据库、报警模块和污染指标显示模块，可见光信号通过信号输入模块输入后，由信号处理模块依次经过模‑数转换、数字信号处理和数‑模转换后，将信号输入计算机云端服务器处理模块，并将污染指标通过污染指标显示模块显示出来，若超过设定的阈值，报警模块将会报警，从信号输入到信号输出整个过程的数据都存储在数据库中。本发明中，系统不需要专门的网络环境和硬件设备，节约成本，适应性强。系统还具有对环境污染进行监测的功能，并可实现对多种污染指标进行的实时准确监测，功能强大。

技术领域

本发明属于环境污染监测领域，具体涉及一种基于遗传算法优化的RBF神经网络的环境污染监测系统。

背景技术

近年来，科学技术和工业化的快速发展带来了诸多严重的环境问题。空气和水体环境的监测具有“点多，面广、量大”的特点，同时还有“全方面、全天候、全时制”的特征。然而，相关部门管理人员数量有限，加之环境监测本身的复杂性，人力监测远远无法满足需求。为了彻底解决环境监测人员不足的问题，必须设计高效、实时、精确的环境污染监测系统，对环境污染的相关指标进行有效监测，并对相关重要指标进行预警。

从目前的国内外研究现状来看，国内外专家和学者的研究重点主要放在基于无线传感器网络对环境进行监测。在无线传感器领域，加性高斯白噪声信道模型的成熟给这方面的研究提供了方向，并成为了研究热点。发明CN102665249A公开了一种基于无线传感器网络的大气污染监测系统，它包括无线传感器网络节点，无线传感器网络汇聚节点，本地监控子中心，远程控制终端，手机终端。它在网络自组织阶段自定义了一种无线传感器网络多级异构分簇路由协议并能够及时地反映大气污染状况并报警。发明CN104637272A公开了一种噪声污染监测系统，人们可以根据监控计算机的数据实时监测各个区域的噪声分布情况。同时，专利CN203881747U公开了一种多指标组合式空气污染监测系统，它能够通过测量并显示六种重要指标来反映环境中空气污染情况，并可以通过WIFI将数据传输到手机上，方便使用者查看。发明CN104634379A公开了一种基于WSN的水污染监测系统，它采用无线网方式采集多处的多种污水信息，提供给远程供参考，具有组网方便，采集数据准确、实时的特点。同时，基于物联网技术进行监测技术也发展迅速，发明CN105890657A公开了一种基于物联网的光伏节能空气污染监测系统。它将空气污染测量模块实时采集的空气污染数据发送到物联网服务器；包括物联网服务器，对空气污染数据进行分析处理并连接移动终端。但以上专利文献都用到了传感器，准确性不够高，同时存在成本高以及对网络的需求条件严格的缺陷。

在环境污染监测领域，传统方法需要专门的仪器和网络条件进行检测，具有成本高、且精度不够的缺点。

发明内容

本发明针对上述环境污染监测传统方法的不足，采用了机器学习的思想，提供一种基于遗传算法优化的RBF(Radical Basis Function，径向基函数)神经网络的空气和水体污染监测系统，可以通过训练后的RBF神经网络，对空气和水体的多种污染指标进行实时有效的监测，不需要采用专用的监测装置，也不需要网络环境进行监测，具有记忆性和鲁棒性，而且具有可靠性高、成本低的特点。本发明的思路是首先在只有加性高斯白噪声(AGWN)的理想条件下，将输入信号存储在数据库中。接着在原有的理想AGWN信道上分别在水体和空气加入相关污染物，进行大量重复的训练，并将训练后的RBF神经网络对环境污染进行实时监测。

为达到上述目的，本发明的技术方案为一种基于遗传算法优化的RBF神经网络的环境污染监测系统，该系统包括信号输入模块、信号处理模块、计算机云端服务器处理模块、数据库、报警模块和污染指标显示模块，可见光信号通过信号输入模块输入后，由信号处理模块依次经过模-数转换、数字信号处理和数-模转换后，将信号输入计算机云端服务器处理模块，并将污染指标通过污染指标显示模块显示出来，若超过设定的阈值，报警模块将会报警，从信号输入到信号输出整个过程的数据都存储在数据库中。