[发明专利]一种用于进行水质评价的解耦合参评模型获取方法

权利要求书

1.一种用于进行水质评价的解耦合参评模型获取方法，其特征在于，包括：

构建参数种类分解层；

构建参数数值分解层，每个参数数值分解层均由一个或多个分解单元构成；每个分解单元均具备其对应的数据中心和扩展宽度；

获取分解单元对应的BP神经网络；

构建加权输出层，在各个分解单元对应的BP神经网络均训练成功后，将其与加权输出层连接即可得到解耦合参评模型。

2.根据权利要求1所述的方法，其特征在于：

数据中心的获取方法包括：

从所述训练样本集中随机选取N个不同的聚类中心，所述训练样本集中每个数据对象均可以以(x_i,y_i)来表示，其中x_i标识某类参数的具体数值，y_i表示水质的评分；

计算所述训练样本集中每个数据对象的距离权值以及其与各个聚类中心的距离||Δ_j-c_i(k)||；

将训练样本集中每个数据对象分配给使得目标值w_k·||x_j-c_i(k)||最小的聚类中心所在的簇；

重新计算各个簇对应的新的聚类中心c_i(++k)，其中++k表示循环控制变量自增1；

判断聚类中心是否发生变动，若是，则返回执行步骤：计算所述训练样本集中每个数据对象的距离权值以及其与各个聚类中心的距离||Δ_j-c_i(k)||；若否，则流程结束。

3.根据权利要求1所述的方法，其特征在于：

所述获取分解单元对应的BP神经网络包括：

获取所述训练样本集中的各个样本(x_i,y_i)；

对各个样本(x_i,y_i)进行分类以得到用于训练分解单元对应的BP神经网络的训练子集；

使用训练子集对分解单元对应的BP神经网络进行训练。

4.根据权利要求3所述的方法，其特征在于：

对各个样本(x_i,y_i)进行分类以得到用于训练分解单元对应的BP神经网络的训练子集包括：

根据各个数据中心及其对应的扩展宽度判断所述样本(x_i,y_i)应该被归入的分解单元c_i，从而得到对应于所述分解单元c_i的样本子集。

5.根据权利要求3所述的方法，其特征在于：

所述使用训练子集对分解单元对应的BP神经网络进行训练包括：

获取BP神经网络的权值连接矩阵，并初始化训练步数；

采用梯度下降法训练所述BP神经网络以更新所述连接矩阵并监控训练步数；

若训练步数达到第一阈值，则获取更新后的BP神经网络的输出误差；

若所述输出误差小于预设的误差阈值，则流程结束。

6.根据权利要求5所述的方法，其特征在于：

若所述输出误差不小于预设的误差阈值，则判断所述训练步数是否达到第二阈值，若否，则：

获取更新后的BP神经网络的误差下降趋势；

若所述误差下降趋势大于所述趋势阈值，则返回步骤：采用梯度下降法训练所述BP神经网络以更新所述连接矩阵并监控训练步数；

若所述误差下降趋势不大于所述趋势阈值，令W_i(k+1)＝-W_i(k),i＝1,2,......,m，其中i表示所述BP神经网络的神经节点的下标，m是参与训练的BP神经网络的神经节点的数量，W_i(k)为神经节点的权向量，并返回步骤：采用梯度下降法训练所述BP神经网络以更新所述连接矩阵并监控训练步数。

7.根据权利要求5所述的方法，其特征在于：

若所述输出误差不小于预设的误差阈值，则判断所述训练步数是否达到第二阈值，若是，则分裂所述BP神经网络的神经节点以调整所述BP神经网络的结构，并返回步骤：获取BP神经网络的权值连接矩阵，并初始化训练步数。