[发明专利]一种污染源定位方法

摘要

本发明公开了一种污染源定位方法，包括传感器节点传输位置坐标以及传感器节点所检测到的污染物浓度；建立用于分析污染物浓度的通用模型；设定神经网络模型；计算t1至tn时刻下各个传感器节点的污染物浓度理论值；以计算得到的污染物浓度理论值为神经网络模型的训练样本，以t1至tn时刻下各个传感器节点所检测到的污染物浓度实际值作为神经网络模型的期望输出；实际应用时神经网络模型输出预测的各个传感器节点的污染物浓度；定位污染源位置。本发明通过对神经网络模型进行训练，在未知待测水域污染物运动时能够做到精准地预测一段时间后处于各个位置的传感器节点的污染物浓度，并定位污染源位置。本发明创造用于定位待测水域中污染源位置。

主权项

1.一种污染源定位方法，其特征在于包括以下步骤：步骤A.在待测水域上设置多个传感器节点，中央处理器通过GPS获取各个传感器节点的采集信号，所述采集信号包括传感器节点的位置坐标以及传感器节点所检测到的污染物浓度；步骤B.建立用于分析污染物浓度的通用模型；步骤C.设定神经网络模型，所述神经网络模型是ELM(极限学习机)神经网络模型，初始化神经网络模型的输入神经元数目、输入权重、偏差、隐层节点数目、激活函数、输出神经元数目以及输出权重；步骤D.在t＝t0时刻，采集各个传感器节点所检测到的污染物浓度，基于步骤B中所设定的通用模块，计算t1至tn时刻下各个传感器节点的污染物浓度理论值；步骤E.以步骤D所计算得到的污染物浓度理论值为神经网络模型的训练样本，以t1至tn时刻下各个传感器节点所检测到的污染物浓度实际值作为神经网络模型的期望输出；步骤F.将所述训练样本以及期望输出输入到神经网络模型中，完成神经网络模型的训练；步骤G.投入实际应用后，将所述各个传感器节点所采集得到的污染物浓度实际值输入到神经网络模型中，所述神经网络模型输出预测的一段时间后的各个传感器节点的污染物浓度；步骤H.根据所述神经网络模型预测的各个传感器节点的污染物浓度，定位污染源位置。