公开(公告)号：CN106779418B

公开(公告)日：2020-09-04

申请号：CN201611184080.6

申请日：2016-12-20

Applicant: 河海大学常州校区

Inventor： 倪建军 ,  邵晓琦 ,  罗成名 ,  范新南 ,  詹万林

IPC: G06F16/00 ,  G06Q10/06 ,  G06N3/02 ,  G06N5/04

Abstract: 本发明公开了基于神经网络和证据理论的水污染事件智能决策方法，包括以下步骤：采集待检测水域的水体表面图像，从中提取图像特征参数，并对各类图像特征参数进行归一化；基于各类图像特征参数进行模糊推理，得到水污染事件类型的初步判断；根据水污染事件类型的初步判断，调用相应的水质传感器提取水质特征参数，并对各水质特征参数数值进行归一化；最后利用神经网络训练出多特征参数和具体的水污染事件之间的非线性映射关系，根据D‑S证据理论对之前建立的映射关系进行加权处理运算，最终做出对水污染类型的预测和决策。本发明方法有效的实时监测目标水域，保证水质的稳定正常，具有较高的灵活性和自适应能力。

公开(公告)号：CN106779418A

公开(公告)日：2017-05-31

申请号：CN201611184080.6

申请日：2016-12-20

Applicant: 河海大学常州校区

Inventor： 倪建军 ,  邵晓琦 ,  罗成名 ,  范新南 ,  詹万林

IPC: G06Q10/06 ,  G06N3/02 ,  G06N5/04

Abstract: 本发明公开了基于神经网络和证据理论的水污染事件智能决策方法，包括以下步骤：采集待检测水域的水体表面图像，从中提取图像特征参数，并对各类图像特征参数进行归一化；基于各类图像特征参数进行模糊推理，得到水污染事件类型的初步判断；根据水污染事件类型的初步判断，调用相应的水质传感器提取水质特征参数，并对各水质特征参数数值进行归一化；最后利用神经网络训练出多特征参数和具体的水污染事件之间的非线性映射关系，根据D‑S证据理论对之前建立的映射关系进行加权处理运算，最终做出对水污染类型的预测和决策。本发明方法有效的实时监测目标水域，保证水质的稳定正常，具有较高的灵活性和自适应能力。