首页|基于神经网络与改进D-S证据理论的水质评价模型研究

基于神经网络与改进D-S证据理论的水质评价模型研究

扫码查看
原文链接
  • 万方数据
  • 维普
针对水质监测数据多源、非线性、不确定性大的特点,提出了一种基于神经网络与改进D-S证据理论相结合的水质评价模型.该模型首先利用3种前馈神经网络对水质监测数据进行初步评价,将初步评价结果归一化后作为基本概率分配,然后引入证据权重修正冲突证据,根据D-S合成规则得到融合评价结果,最后利用迭代思想修正评价结果.其中,基于证据权重修正冲突证据并进行融合结果的迭代修正,能有效解决传统D-S证据理论无法处理高冲突证据的缺陷.冀南地区5个监测断面水质评价结果表明,该水质评价模型能够提高水质评价准确性.
Research on Water Quality Evaluation Model Based on Neural Network and Improved D⁃S Evidence Theory

倪健、花延文、及歆荣

展开 >

河北工程大学 信息与电气工程学院,河北 邯郸056000

水质评价 数据融合 D-S证据理论 神经网络

河北省科技计划邯郸市科学技术研究与发展计划

21350101D19422091008-35

2023

10.3969/j.issn.1000-1379.2023.01.019

人民黄河
水利部黄河水利委员会

人民黄河

CSTPCD北大核心
影响因子：0.494
ISSN：1000-1379
年,卷(期)：2023.45(1)
  • 1
  • 11