[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

权利要求书

1.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基本概率分配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。

2.根据权利要求1所述的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，设各类数据的采集范围是x_i～y_i，i＝1,2……N，N为图像特征参数类别数，则对于数据的值z_i，做如下处理，使其归一化的统一量纲的特征参数A_i为：

A_i＝1000z_i/(y_i-x_i)。

3.根据权利要求1所述的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，模糊推理采用Mamdani模糊推理法。

4.根据权利要求1所述的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，设各水质传感器仪表测量范围是a_i～b_i，i为传感器的编号i＝1,2……K，K为传感器数目，则对于该传感器的测量值c_i，做如下处理，使其归一化的统一量纲的特征参数C_i：

C_i＝1000c_i/(a_i-b_i)。

5.根据权利要求1所述的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，计算每个特征参数对应BPA_n的公式是：

其中，n指第n个特征参数，1nK+N；K为传感器数目，N为图像可采集特征参数的数目，W_jn为特征参数对应水污染事件类型的连接权值。

6.根据权利要求1所述的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，步骤S5中，得到最终的水污染类型判断结果的具体过程为：选择最终所有BPA中的最大值：

若BPA_MAX大于等于设定值，则判断出水污染的类型为该BPA所对应的类型。