[发明专利]一种基于神经网络的水质评价分类方法

摘要

本发明公开了一种基于神经网络的水质评价分类方法。该方法包括步骤一获取各个水域中各类水质参数，并进行参数归一化处理；步骤二使用LDA线性判决分析算法将原始的水质特征数据降维；步骤三构建5*6*6的神经网络结构，随机初始化网络权值，训练神经网络使得损失函数达到最小值；步骤四依据AdaBoost算法更新每个样本的权重，重新执行步骤三。步骤五重复执行步骤四直到训练所得神经网络分类准确率达到90%。步骤六使用AdaBoost算法综合步骤三~五训练得到的各个神经网络的运算结果，对水质做出评价预测。本方法利用LDA线性判决分析算法降低水质特征数据的维数以减小分类器的分类难度，使用AdaBoost计算框架综合各神经网络的分类结果，可以保证较高的分类准确率。

主权项

一种基于神经网络的水质评价分类方法，其特征在于包括如下步骤：步骤一：获取各个水域中各类水质参数，所述各类水质参数包括pH、温度、电导率、氧化还原电位、高锰酸盐指数、溶解氧、氨氮、总磷、铜、铅、锡含量共10项作为评价指标，并进行参数归一化处理；步骤二：使用LDA线性判决分析算法将原始的10维水质特征参数降为5维；步骤三：构建5*6*6的神经网络结构，第一层为输入层，第二层为隐藏层，第三层为输出层，第一层节点对输入不进行函数变换，第二层以及第三层节点的转换函数为sigmoid函数，然后随机初始化网络权值，训练神经网络使得误差函数达到最小值，从而获得优化的网络连接权重；步骤四：依据AdaBoost算法更新每个样本的权重，重新执行步骤三；步骤五：重复执行步骤四直到训练所得神经网络分类准确率达到90％；步骤六：使用AdaBoost算法综合步骤三，四，五训练得到的各个神经网络的运算结果，对水质做出评价预测。