人民黄河2023，Vol.45Issue(1) ：99-104,111.DOI:10.3969/j.issn.1000-1379.2023.01.019

基于神经网络与改进D-S证据理论的水质评价模型研究

Research on Water Quality Evaluation Model Based on Neural Network and Improved D⁃S Evidence Theory

倪健 花延文 及歆荣
人民黄河2023，Vol.45Issue(1) ：99-104,111.DOI:10.3969/j.issn.1000-1379.2023.01.019
✕
  • 维普
  • 万方数据

基于神经网络与改进D-S证据理论的水质评价模型研究

Research on Water Quality Evaluation Model Based on Neural Network and Improved D⁃S Evidence Theory

倪健 1花延文 1及歆荣1
扫码查看

作者信息

  • 1. 河北工程大学 信息与电气工程学院,河北 邯郸056000
  • 折叠

摘要

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.

关键词

水质评价/数据融合/D-S证据理论/神经网络

引用本文复制引用

基金项目

河北省科技计划(21350101D)

邯郸市科学技术研究与发展计划(19422091008-35)

出版年

2023
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
被引量1
参考文献量11
段落导航相关论文