本发明专利技术公开了一种基于粗糙集－ＲＢＦ神经网络复合技术的环境质量评价方法，该方法在被监测环境的监测数据中，根据不同的环境质量评价要求，选取环境质量评价因子，建立环境质量评价粗糙集属性决策表，然后进行粗糙集属性值约简和粗糙集属性约简，通过规则提取，使用ＭＡＴＬＡＢ工具箱中的ｎｅｗｒｂ函数创建ＲＢＦ网络，进行训练，训练好的ＲＢＦ网络用于环境质量评价，用该方法评价环境质量，具有较好的快速性、准确性和通用性，同时进一步解决了单纯使用神经网络容易出现的局部极小、训练样本过少和“过配”现象等问题，本发明专利技术还适用于对声学环境质量、土壤环境质量和生态环境质量等进行评价。
【技术实现步骤摘要】
本专利技术涉及一种环境质量评价方法，特别涉及一种采用粗糙集一RBF 神经网络复合技术的环境质量评价方法。
技术介绍
环境质量的准确评价是环境保护、生态文明建设中的一项首要工作。由 于环境质量评价问题涉及到多因素、多参数，因此增加了对其准确评价的难度。环境质量评价中已有的方法包括综合评判法、灰色集类法、模糊综合 评判法等，这些方法因需要设计各评价因子对各级标准隶属函数及各指标的 权重，因此，造成评价模式难以通用，而且无法消除人为因素对评价结论的 影响，评价结果失之科学性与准确性。在确定了环境质量评价因子之后，环境质量评价问题就转化为典型的模 式识别问题，其过程就是把这些评价因子的监测值与标准值进行比较、分析、 判断以后，得出环境质量评价结论。当前，智能信息处理技术为环境质量评 价提供了新的方法，如BP神经网络模型、遗传算法、学习自动机等，但以 上方法有一个缺点就是神经网络在学习阶段参数的估计可能会陷入其优化 标准函数的一个局部极小，或者因为计算量较大而难以实用。径向基函数 (Radial Basis Funtion，简称RBF)神经网络在理论上能解决以上问题。但 仅单纯使用RBF神经网络进行环境质量评价时，具有如下不足之处(1) 用环境质量评价标准作为训练样本，训练样本过少，这就需要使 用相关函数在标准级间内插，以构造足够的样本数量。同时，还需将原始数 据进行归一化处理。(2) 将环境质量监测数据作为训练样本时，众多的评价因子将会导致训练样本冗余，产生"过配"现象，使网络泛化能力降低，造成网络结构冗 余。
技术实现思路
针对上述现有技术存在的缺陷或不足，本专利技术的目的在于，提供一种基于粗糙集一rbf神经网络复合技术的环境质量评价方法，用该方法评价环境 质量时，不但通用性好，而且解决了单纯使用神经网络容易出现的"局部极 小"、"训练样本过少"、"过配"现象等问题。为了实现上述任务，本专利技术采取如下的技术解决方案-一种基于粗糙集一rbf神经网络复合技术的环境质量评价方法，该方法包括如下步骤步骤一，确定环境质量评价因子依据采集的环境质量监测数据，建立其数据列表，根据环境质量评价要求，选取环境质量评价因子A， z'=l、 2、 3，…，n;步骤二，建立环境质量评价粗糙集属性决策表把各个监测数据按照环境质量评价标准转化为相应的环境质量级别，构造属性决策表p，其中条件属性集c-^,a......决策属性确定为对应的环境质量级别d = ，从而把实际环境质量监测数据转化到了粗糙集的知识域，形成属性决策表尸；步骤三，检査并进行粗糙集属性值约简1) 检査属性决策表P中有无相同行，若有，则进行合并；2) 检查属性决策表P中有无相冲突的行，若有，则进行删除；3) 检查完成后，生成环境质量级别知识表达系统S，该知识表达系统 包括有条件属性集C和决策属性D;步骤四，进行粗糙集知识系统属性约简输入环境质量级别知识表达系统S，根据粗糙集最佳约简算法，按如下方式进行1) 计算决策属性D的条件属性集C正域戸^(D);2) 从条件属性集C中剔除属性",，C,=C-fl,.，其中，/=1、 2、 3，…，n;3) 计算D的C,正域;^c(Z));4) 若,则去除《，反之保留a,;按以上1) 4)步骤遍历所有条件属性，然后输出条件属性集C对于 决策属性D的一个相对约简的环境质量级别知识表达系统； 步骤五，规则提取，创建RBF网络把约简后的环境质量级别知识表达系统再转化为实际环境质量监测数据，并以其作为RBF神经网络的训练样本集，使用MATLAB工具箱中的 newrb函数创建RBF网络进行训练，训练好的RBF网络用于环境质量评价。 其中训练参数设置如下-训练精度为0.0001，径向基网络隐层的散布常数为0.09 0.15。 本专利技术首次将粗糙集""RBF神经网络复合技术应用于环境质量评价中， 所带来的技术效果是(1) 由于采用了人工神经网络技术，它可以逼近任何非线性函数，具 有很强的自适应、自学习、联想记忆和并行处理能力。将其应用于环境质量 评价可避免传统评价方法中人为设定、计算各评价因子对各级标准隶属函数 及各指标的权重等，从而解决了传统环境质量评价方法中评价模式难以通用 以及人为因素对评价结论的影响等问题；(2) 由于采用了人工神经网络技术中的RBF网络，使用局部激励函数 的RBF网络对于每个输入值，只有很少几个节点具有非零激励值，因此只 需改变部分的节点及权值，整个网络训练速度快，适应性强，并且其收敛性 也较BP网络更好，从而避免了BP网络中容易出现的"陷入局部极小"问 题；(3) 依据粗糙集理论构建环境质量级别知识表达系统，对环境质量监 测数据进行属性约简，以约简规则集作为RBF神经网路的训练样本，该训 练样本包含了监测数据的基本特征，解决了 "训练样本过少"的问题；(4) 使用粗糙集理论对环境质量评价中冗余的评价因子进行属性约简， 以约简规则集作为RBF神经网路的训练样本，减少了网络拓扑中的输入维 数和隐层神经元个数，简化了网络结构，避免了神经网络中的"过配"现象;(5) 本专利技术使用newrb函数创建RBF网络，减少了 RBF神经网路的 训练时间。附图说明图l为本专利技术的复合算法流程图。 图2、图3为实施例一和实施例二的网络训练误差图。 下面结合附图和实施例对本专利技术作进一步详细说明。具体实施例方式参见图1复合算法流程图，按照上述技术方案，本专利技术的基于粗糙集一 RBF神经网络复合技术的环境质量评价方法包括如下步骤步骤一，确定环境质量评价因子依据采集的环境质量监测数据，建立其数据列表，根据环境质量评价要 求，选取环境质量评价因子a,， /=1、 2、 3，…，n; 步骤二，建立环境质量评价粗糙集属性决策表把各个监测数据按照环境质量评价标准转化为相应的环境质量级别，构造属性决策表P，其中条件属性集c二^,气......&}，决策属性确定为对应的环境质量级别^={。"}，从而把实际环境质量监测数据转化到了粗糙集的知识域，形成属性决策表户；步骤三，检査并进行粗糙集属性值约简1)检查属性决策表P中有无相同行，若有，则进行合并；2) 检査属性决策表P中有无相冲突的行，若有，则进行删除；3) 检查完成后，生成环境质量级别知识表达系统S，该知识表达系统 包括有条件属性集C和决策属性D ;步骤四，进行粗糙集知识系统属性约简输入环境质量级别知识表达系统S，根据粗糙集最佳约简算法，按如下 方式进行1) 计算决策属性"的条件属性集C正域;x^(D);2) 从条件属性集C中剔除属性",，C,=C-fl/，其中，/=1、 2、 3,…，n;3) 计算"的C,正域/ o; c(i));4) 若，、("=戶^(")，则去除",，反之保留",；按以上1) 4)步骤遍历所有条件属性，然后输出条件属性集C对于 决策属性D的一个相对约简的环境质量级别知识表达系统； 步骤五，规则提取，创建RBF网络把约简后的环境质量级别知识表达系统再转化为实际环境质量监测数 据，并以其作为RBF神经网络的训练样本集，使用MATLAB工具箱中的 newrb函数创建RBF网络进行训练，训练好的RBF网络用于环境质量评价。 其中训练参数设置如下训练精度为0.0001，径向基网络隐层的散布常数为本文档来自技高网...
【技术保护点】
一种基于粗糙集－ＲＢＦ神经网络复合技术的环境质量评价方法，其特征在于，该方法包括如下步骤： 步骤一，确定环境质量评价因子： 依据采集的环境质量监测数据，建立其数据列表，根据环境质量评价要求，选取环境质量评价因子ａ↓［ｉ］，ｉ＝１ 、２、３，…，ｎ； 步骤二，建立环境质量评价粗糙集属性决策表： 把各个监测数据按照环境质量评价标准转化为相应的环境质量级别，构造属性决策表Ｐ，其中条件属性集Ｃ＝｛ａ↓［１］，ａ↓［２］，……ａ↓［ｎ］｝，决策属性确定为对应的环境 质量级别Ｄ＝｛Ｄｅｃ｝，从而把实际环境质量监测数据转化到了粗糙集的知识域，形成属性决策表Ｐ； 步骤三，检查并进行粗糙集属性值约简： １）检查属性决策表Ｐ中有无相同行，若有，则进行合并； ２）检查属性决策表Ｐ中有无相冲突的行 ，若有，则进行删除； ３）检查完成后，生成环境质量级别知识表达系统Ｓ，该知识表达系统包括有条件属性集Ｃ和决策属性Ｄ； 步骤四，进行粗糙集知识系统属性约简： 输入环境质量级别知识表达系统Ｓ，根据粗糙集最佳约简算法，按如下方式 进行： １）计算决策属性Ｄ的条件属性集Ｃ正域ｐｏｓ↓［Ｃ］（Ｄ）； ２）从条件属性集Ｃ中剔除属性ａ↓［ｉ］，Ｃ↓［ｔ］＝Ｃ－ａ↓［ｉ］，其中，ｉ＝１、２、３，…，ｎ； ３）计算Ｄ的Ｃ↓［ｔ］正域ｐｏｓ↓［Ｃ］（Ｄ）； ４）若ｐｏｓ↓［Ｃ↓［ｔ］］＝ｐｏｓ↓［Ｃ］（Ｄ），则去除ａ↓［ｉ］，反之保留ａ↓［ｉ］； 按以上１）～４）步骤遍历所有条件属性，然后输出条件属性集Ｃ对于决策属性Ｄ的一个相对约简的环境质量级别知识表达系统； 步骤五，规则提取， 创建ＲＢＦ网络： 把约简后的环境质量级别知识表达系统再转化为实际环境质量监测数据，并以其作为ＲＢＦ神经网络的训练样本集，使用ＭＡＴＬＡＢ工具箱中的ｎｅｗｒｂ函数创建ＲＢＦ网络进行训练，训练好的ＲＢＦ网络用于环境质量评价。...
【技术特征摘要】
【专利技术属性】
技术研发人员：于军琪，王佳，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：87[中国|西安]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。