基于粗糙集與神經(jīng)網(wǎng)絡(luò)的水質(zhì)評價(jià)模型研究.pdf

1、三峽庫區(qū)水環(huán)境保護(hù)問題一直是國家重點(diǎn)關(guān)注的問題,關(guān)系到國家的經(jīng)濟(jì)建設(shè)和長治久安。而三峽庫區(qū)由于其水文環(huán)境復(fù)雜,進(jìn)行水質(zhì)評價(jià)時(shí)評價(jià)因子較多,且存在冗余信息,所以在進(jìn)行水質(zhì)評價(jià)的時(shí)候既要保證建立正確評價(jià)模型,又要考慮到降低模型的復(fù)雜性,增強(qiáng)模型的可理解性。本論文工作主要來源于三峽庫區(qū)水污染重大事件科學(xué)決策關(guān)鍵技術(shù)研究項(xiàng)目下的一個(gè)子課題:三峽庫區(qū)水環(huán)境安全綜合信息分析系統(tǒng)。在分析三峽庫區(qū)水環(huán)境各項(xiàng)數(shù)據(jù)的基礎(chǔ)上,依據(jù)數(shù)據(jù)的特點(diǎn),采用粗糙集和人工

2、神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來建立水質(zhì)評價(jià)模型。粗糙集方法在不需要先驗(yàn)知識的情況下能夠去除冗余信息,依據(jù)屬性重要度挑選出適合進(jìn)行最終評價(jià)的評價(jià)因子。人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、自組織、較好的容錯(cuò)性和優(yōu)良的非線性逼近能力,已在水質(zhì)評價(jià)方面廣泛應(yīng)用。粗糙集和人工神經(jīng)網(wǎng)絡(luò)結(jié)合的方式有多種,本文主要分析了粗糙集用于數(shù)據(jù)預(yù)處理,作為處理器前端的結(jié)合方式和粗糙元神經(jīng)網(wǎng)絡(luò)這兩種結(jié)合方式,以及將這兩種結(jié)合方式再進(jìn)行結(jié)合的粗糙集作為處理器前端,粗糙元神經(jīng)網(wǎng)絡(luò)作為

3、處理器后端的評價(jià)模型。粗糙集用于數(shù)據(jù)預(yù)處理,作為處理器前端的結(jié)合方式主要是指用粗糙集方法對數(shù)據(jù)進(jìn)行約簡,去除冗余信息,減少評價(jià)指標(biāo),將處理好后得到的評價(jià)指標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)的輸入,再用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模評價(jià)。該結(jié)合方式減小了數(shù)據(jù)集的規(guī)模,一方面提高了數(shù)據(jù)的代表性,減少了噪聲的干擾,從而使訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)不容易出現(xiàn)“過擬合”現(xiàn)象,另一方面減少了訓(xùn)練數(shù)據(jù),使訓(xùn)練時(shí)間得以減少,提高了效率。粗糙元神經(jīng)網(wǎng)絡(luò)主要是指針對輸入的數(shù)據(jù)是不確定的、非

4、精確值或范圍值的時(shí)候,改造神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)神經(jīng)元為由一對上下神經(jīng)元組成的粗糙神經(jīng)元,由此構(gòu)成的神經(jīng)網(wǎng)絡(luò)處理能力更強(qiáng),在處理范圍值時(shí)能夠得到更高的精度。本文以三峽庫區(qū)水環(huán)境數(shù)據(jù)為背景,將兩種結(jié)合方法應(yīng)用到實(shí)際系統(tǒng)中,實(shí)驗(yàn)對比了這兩種結(jié)合方法,得出結(jié)論為:在實(shí)際系統(tǒng)中,粗糙集作為處理器前端,粗糙元神經(jīng)網(wǎng)絡(luò)作為評價(jià)模型的結(jié)合方式既能在提高運(yùn)行效率基礎(chǔ)上得到正確的結(jié)果,又能得到影響水質(zhì)評價(jià)的指標(biāo)因子集合,提高了系統(tǒng)的正確性和可理解性。所以最終在三