[发明专利]基于传感器风险区间模型的养殖水情判断方法及系统

权利要求书

1.一种基于传感器风险区间模型的养殖水情判断方法，其特征在于，所述方法包括以下步骤：

建立养殖水情数据的区间数表示模型l_i为当前水情等级，[L]^li为水情等级为l_i的水情特征参数，h为水情参数，为不同水情参数的区间型特征值，m为水情参数个数；

计算传感器获取的水情测量数据[E]_k与区间数表示的不同水情等级特征值之间的距离根据距离构造基本概率分配函数，所述基本概率分配函数构造为：

其中，[m]_k(l_i)⁺-[m]_k(l_i)^-为[m]_k(l_i)的区间宽度，宽度越大，权重越小，基本概率分配函数越小，[m]_k(l_i)表示第k个传感器对应的水情等级l_i的基本概率分配函数，N为水情等级个数；

利用预先构建的基于传感器风险区间值的消极-积极模型，对基本概率分配函数进行修正；

利用区间证据组合规则并综合修正后的基本概率分配函数值，得到综合区间证据；

根据综合区间证据，基于预定决策准则判断水情等级；

其中，所述预先构建的基于传感器风险区间值的消极-积极模型根据以下步骤得到：

将传感器测量值与实际值偏差的百分比作为传感器的风险因子

对传感器输出风险进行评估，包括：正常工作模式、消极模式、积极模式，其中正常工作模式是指传感器输出值与实际值相同，消极模式是指传感器测量值高于实际值的情况下对传感器输出值进行下降处理，积极模式是指传感器输出值低于实际值的情况下对传感器输出值进行提高处理，所述消极模式表示为：

所述积极模式表示为：

基于传感器输出风险评估，建立基于传感器风险区间值的消极-积极模型如下：

其中，m_p-o(A)表示简单区间数的消极-积极基本概率分配，m_p-o(Ω)表示消极-积极模式下的识别框架的基本概率分配，f_p为传感器处于消极模式的最大风险因子，f_p＞0，f_o为传感器处于积极模式的最大风险因子，0≤f_o＜1，m_p(A)是消极模式下的基本概率分配函数；m_o(A)是积极模式下的基本概率分配函数；Ω是识别框架；A为Ω的子集证据；m(A)表示A的可信度，即基本概率分配函数；m_o(Ω)为积极模式下的识别框架Ω的基本概率分配函数；m_p(Ω)为消极模式下的识别框架Ω的基本概率分配函数；

所述区间证据组合规则包括：

1)两证据组合规则

2)多证据组合规则

φ表示空集。

2.根据权利要求1所述的基于传感器风险区间模型的养殖水情判断方法，其特征在于，水情测量数据[E]_k与区间数表示的不同水情等级特征值之间的距离根据Jousselme距离参数公式计算得到。

3.根据权利要求1所述的基于传感器风险区间模型的养殖水情判断方法，其特征在于，还包括：对经过修正后的基本概率分配函数进行归一化处理，归一化处理方式为：

其中，[m]'_k表示修正后的基本概率分配函数，[a_i,b_i]是[m]'_k的区间数，即[m]'_k＝[a_i,b_i]，j是变量索引号，n是识别框架中的子集个数。