一种基于多源数据融合的水质评价方法技术

本发明专利技术适用于水质评价技术领域，提供了一种基于多源数据融合的水质评价方法，该方法包括：将预处理后的水质评价指标输入到预设的神经网络模型，得到初步水质判断；对神经网络输出值进行归一化处理，得到基本概率分配函数；将基本概率分配函数输入到预设的D

【技术实现步骤摘要】
一种基于多源数据融合的水质评价方法


[0001]本专利技术属于水质评价
，尤其涉及一种基于多源数据融合的水质评价方法。

技术介绍

[0002]水资源是人类赖以生存的基础，随着经济的不断发展，对水资源需求日益增多的同时，也带来了生态环境的破坏，造成许多水体的大面积污染，人类与水资源的矛盾日渐突出。如何保护水资源，保护我们赖以生存的生态环境，是站在全人类面前的一道难题。水质评价作为水体状况的定性或定量描述，可以准确反映当前的水质和污染状况，对水资源保护起着决定性作用，是解决水资源问题必不可少的环节。
[0003]水质评价方法的研究已经取得丰硕成果，但是发展至今还不够完善，需要进一步深入研究。常见的水质评价方法大致包括单因子评价法、水质指数法、模糊数学评价法、神经网络评价法以及数据融合评价法等。单因子评价方法的机制是利用水质最差单指标分类确定综合水质分类，方法简单清晰，但评价结果过于保守并不能得到综合评价，而且评价结果的准确性较差。水质指数模型(WQI)是应用较为广泛的综合评价方法，WQI模型虽易于理解，但其大多是针对特定研究水域，通用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据融合的水质评价方法，其特征在于，包括：将预处理后的水质评价指标输入到预设的神经网络模型，得到水质类别；对所述水质类别进行归一化处理，得到基本概率分配函数；将所述基本概率分配函数输入到预设的D
‑
S证据理论模型，得到目标融合评价结果。2.如权利要求1所述的方法，其特征在于，所述预设的神经网络模型包括反向传播神经网络模型、径向基神经网络模型和极限学习机网络模型；所述将预处理后的水质评价指标输入到预设的神经网络模型，得到所述水质类别，包括：将所述预处理后的水质评价指标分别输入到所述反向传播神经网络模型、所述径向基神经网络模型和所述极限学习机网络模型，得到所述反向传播神经网络模型对应的第一水质类别、所述径向基神经网络模型对应的第二水质类别和所述极限学习机网络模型对应的第三水质类别。3.如权利要求2所述的方法，其特征在于，所述对所述水质类别进行归一化处理，得到基本概率分配函数，包括：分别将所述第一水质类别、所述第二水质类别和所述第三水质类别进行归一化处理，得到所述第一水质类别对应的第一基本概率分配函数、所述第二水质类别对应的第二基本概率分配函数和所述第三水质类别对应的第三基本概率分配函数。4.如权利要求3所述的方法，其特征在于，所述将所述基本概率分配函数输入到预设的D
‑
S证据理论模型，得到目标融合评价结果，包括：根据所述第一基本概率分配函数、所述第二基本概率分配函数和所述第三基本概率分配函数，确定第一融合评价结果；利用预设迭代方法对所述第一融合评价结果、所述第一基本概率分配函数、所述第二基本概率分配函数和所述第三基本概率分配函数进行n次迭代计算，确定目标融合评价结果，其中，n为大于或等于1的整数。5.如权利要求4所述的方法，其特征在于，所述根据所述第一基本概率分配函数、所述第二基本概率分配函数和所述第三基本概率分配函数，确定第一融合评价结果，包括：将所述第一基本概率分配函数作为第一证据、将所述第二基本概率分配函数作为第二证据以及将所述第三基本概率分配函数作为第三证据，并计算所述第一证据对应的第一权重、所述第二证据对应的第二权重和所述第三证据对应的第三权重；分别根据所述第一权重和预设权重的大小、所述第二权重和预设权重的大小以及所述第三权重和预设权重的大小，确定第四证据、第五证据和第六证据；按照预设的组合规则对所述第四证据、所述第五证据和所述第六证据进...

【专利技术属性】
技术研发人员：倪健，花延文，及歆荣，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：