【技术实现步骤摘要】
一种水质评价方法及系统
[0001]本专利技术涉及一种水质评价方法及系统，属于人工智能及模式识别
技术介绍
[0002]水质评价是利用一定的评价方法和标准，根据水环境各要素指标实测资料对水环境进行定量综合评价，以便有效掌握水环境状况。由于水质评价过程中，需要评估的水质参数较多，对于一个数据样本，如果维度过高，则会造成维度灾难，而维度灾难是导致过拟合的一个重要原因，故可通过降维技术，去除某些冗余特征量以达到简化模型的效果。目前应用较多的有因子分析、主成分分析(PCA)、典型相关分析等，因子分析主要通过寻找潜在的、不可观测的组合变量来表达原始变量间的数据关系，而PCA可以通过提取少量主成分因子，这些主成分可以通过原始变量的线性组合得到，能够表征原始数据的大部分信息，从而简化了评价过程。
[0003]水质评价中，目前常用的水质评价方法有单因子评价法、综合污染指数法、模糊综合评价法、灰色评价法、人工神经网络评价方法等。现有的水环境评价模型都有各自的优缺点，经常出现同一水质样本，当采用不同评价模式进行评价时，所得结论
【技术保护点】
【技术特征摘要】
1.一种水质评价方法，其特征在于，包括：采集待评价水域的多个水质数据，每个水质数据包括相同个数的多项水质参数；对所述多个水质数据进行归一化处理，得到归一化数据；求取所述归一化数据构成矩阵的相关系数矩阵的特征向量和特征值，根据特征向量和特征值对归一化数据进行主成分分析，根据主成分分析的结果进行数据降维处理，得到降维数据；利用预先基于PSO
‑
网格搜索法确定的核函数参数所建立支持向量机多分类模型，对降维数据进行分类判别，输出评价结果。2.根据权利要求1所述的水质评价方法，其特征在于，所述对所述多个水质数据进行归一化处理，得到归一化数据，包括：根据每项水质参数的最大值和最小值，将每项水质参数的所有数据线性转化到[0,1]区间内，表示为：其中，x为归一化前的水质数据中的某项水质参数值，x
max
和x
min
分别表示x的最大值和最小值，x'为归一化后的值。3.根据权利要求1所述的水质评价方法，其特征在于，所述求取所述归一化数据构成矩阵的相关系数矩阵的特征向量和特征值，根据特征向量和特征值对归一化数据进行主成分分析，根据主成分分析的结果进行数据降维处理，得到降维数据，包括：对于N个水质数据，根据每个水质数据选取M个指标参数，将所述N个水质数据归一化处理后得到N
×
M的矩阵如下所示：根据N
×
M的矩阵建立标准化样本的相关系数矩阵R＝(r
ij
)
M
×
M
，其中，式中，x
′
ki
、x'
kj
分别为标准化后第k个水质数据的第i和第j个水质参数对应的数据值，和分别为标准化后第i和第j个水质参数对应的N个值的平均值，求得R的特征值λ1≥λ2≥
…
≥λ
M
＞0，对应的特征向量如下：
计算前m个主成分的累计贡献率为当前为m个主成分的累计贡献率达到预设百分比，则用前m个主成分来表征原始M个水质参数的信息，m＜M；前m个主成分为降维数据，记作F＝(F1,F2,...,F
m
)，F＝X
′
A，式中，A，式中，为因子载荷矩阵。4.根据权利要求1所述的水质评价方法，其特征在于，所述对降维数据进行分类判别，输出评价结果，包括：将降维数据代入所述支持向量机多分类模型进行判别，利用支持向量机多分类模型中的n个分类器对降维数据进行类别判别，如果属于类别i，则类别i的票数加1，如果属于类别j，则类别j的票数加1，n个分类器判别完毕，得票最多的类别即为降维数据所属类别；类别i和类别j属于预先设置的五类水质参数类别。5.根据权利要求1所述的水质评价方法，其特征在于，所述支持向量机多分类模型的构建过程，包括：设置径向基函数作为支持向量机核函数，表示为：K(x
i
,x)＝exp(
‑
||x
‑
x
i
||2/2δ2)其中，x
i
为核函数的中心，δ为核函数的宽度参数，利用PSO
‑
网格搜索法确定最优支持向量机惩罚参数C及核函数参数g，得到最终的支持向量机核函数，其中g＝1/2δ2；基于所述支持向量机核函数构建支持向量机多分类模型；获取评价结果已知的水质参数的训练样本，对训练数据依次进行归一化、降维处理后，得到若干个包括m个水质参数的样本数据，将所述若干个包括m个水质参数的样本数据分成训练集和测试集两部分，利用训练集和测试集对所述支持向量机模型进行训练和测试，确定最终的支持向量机核函数参数，根据最终...
【专利技术属性】
技术研发人员：杨晔，陈丹丹，鞠军，李书明，卓四明，赖新芳，
申请(专利权)人：南京河海南自水电自动化有限公司，
类型：发明
国别省市：
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。