[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

说明书

本发明提供一种用于进行水质评价的解耦合参评模型获取方法，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。本发明获取的解耦合参评模型既能够对于某个水质指标进行处理，又能够适应实际情况添加水质指标或删减水质指标。

技术领域

本发明涉及污水处理领域，尤其涉及一种用于进行水质评价的解耦合参评模型获取方法。

背景技术

目前常用的综合水质评价方法有以下几种：一是根据国家标准选择最差的指标按照分类进行评价；二是污染指数法；三是模糊综合指数法。这些方法对水质评价起到了积极的作用，但也存在一些不足。共同之处是不能科学地评判总体水质状况，并且各个场合使用不同的评价方法，难以进行普适性的评价。

发明内容

为了解决上述技术问题，本发明提出了一种用于进行水质评价的解耦合参评模型获取方法。

本发明具体是以如下技术方案实现的：

一种用于进行水质评价的解耦合参评模型获取方法，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。

优选的，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。

优选的，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。

优选的，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：