欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2018106643243
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.贝叶斯网络水质指标评价方法,用于从监测水域的水质指标X中确定直接影响水域水质等级F的直接关联水质指标X′,其特征在于:依如下步骤实施:首先,获取监测水域水质监测数据,根据水质指标X值计算监测水域的水质等级F,所述水质指标X是地表水质评价指标;

其次,以水质指标X、水质等级F作为贝叶斯网络节点变量,计算所有节点的联合概率分布P(Z1,Z2…Zn),再计算所有节点之间的互信息值MI(Zv,Zw),其中,Z为节点空间,N为节点数量,v、w为第v个、第w个节点,由此构建无向网络结构图;

再次,通过贝叶斯网络结构学习确定无向网络结构图的各节点间边的方向,由此构建水质评价贝叶斯网络结构图;

最后,依水质评价贝叶斯网络结构图确定直接关联水质指标X′,所述直接关联水质指标X′是贝叶斯网络结构图中水质等级F的直接父节点。

2.根据权利要求1所述的贝叶斯网络水质指标评价方法,其特征在于:所述计算水质等级F是:获得监测水域的水质指标X数据样本,依照《地表水环境质量标准》确定监测水域的水质类别e及水质类别个数c,依式1方程组计算c个贝叶斯概率值Pe,最大概率值Ph对应的水质类别即为监测水域的水质等级F:式中,Ph—最大后验概率,表示在获得水质信息的条件下水质属于某一类别的最大可能性,Pe—后验概率,表示在获得水质信息的条件下水质属于某一类别的可能性,i—第i个指标,i=1,2,...,m,m—指标的个数,依数据样本确定,

xi—第i个指标的监测值,依数据样本确定,

Ye—T的一个有限划分,规定为水质类别,依标准确定,

e—第e类水质,e=1,2...c,c—水质类别数,依《地表水环境质量标准》(GB3838-

2002),c=5,

yie—第i个指标属于e类水的标准浓度值。

3.根据权利要求1所述的贝叶斯网络水质指标评价方法,其特征在于:所述构建无向网络结构图是:以水质指标X、水质等级F作为贝叶斯网络节点变量,依所有节点之间的互信息值MI(Zv,Zw),依据阈值规则利用互信息值确立节点间边的关系,构建无向网络结构图;所述阈值规则是将大于50%的互信息值所在区间的下限设置为互信息值阈值。

4.根据权利要求3所述的贝叶斯网络水质指标评价方法,其特征在于:所述互信息值MI(Zv,Zw)依如下方法计算:依式2计算所有节点的每两个节点之间的联合概率分布P(zv,zw),再依式3计算水质指标X之间的互信息值MI(Zv,Zw);

式中,n—节点个数,依数据样本确定,

v—第v个节点,v=1,2,...,n,

zv—第v个节点的值,依数据样本确定,

Pa(zv)—除节点Zv以外的所有节点。

5.根据权利要求1所述的贝叶斯网络水质指标评价方法,其特征在于:所述贝叶斯网络结构学习是:基于无向网络结构图的节点顺序,以K2评分作为评价网络结构的测度,由此构建水质评价最优贝叶斯网络结构图。

6.根据权利要求4所述的贝叶斯网络水质指标评价方法,其特征在于:所述构建水质评价最优贝叶斯网络结构图是:基于无向网络结构图的节点顺序,以K2评分作为评价网络结构的测度,确定最优贝叶斯网络结构图;K2评分函数依式4方程组:式中:Zv—第v个节点,v=1,2,...,n,

D(Zv)—节点Zv的所有可能的父节点集合,

n—节点Z的个数,n=m+1,m为水质指标个数,

k—节点Zv所有可能的取值,依Zv取值范围依离散化标准确定,s—Zv的父节点的取值个数,依Zv的父节点的取值范围依离散化标准确定,Nvs—Zv的父节点的所有取值量,依数据样本确定,Nvsk—Zv=k时,Zv的父节点取s值的数量,依数据样本确定。

7.根据权利要求1所述的方法,其特征在于:所述地表水质评价指标包括秏氧类指标、监测水域常规监测指标。

8.利用权利要求1~7任一所述的贝叶斯网络水质指标评价方法实现的贝叶斯网络水域水质等级评价方法,其特征在于:构建水域水质评价贝叶斯网络结构图,确定直接关联水质指标X′;通过贝叶斯网络参数学习计算水质评价贝叶斯网络结构图或水质评价最优贝叶斯网络结构图中直接关联水质指标X′节点与水质等级F节点间的条件概率表,获取直接关联水质指标X′监测值,通过条件概率表评价水域水质等级F。

9.根据权利要求8所述的贝叶斯网络水域水质等级评价方法,其特征在于:依式5计算最优贝叶斯网络结构图各节点的条件概率,得到各水质指标X与水质等级F之间的条件概率表:式中,Φ—由m个水质指标X={X1,X2,…Xm}与一个水质等级F组成节点数为n的贝叶斯网络结构,Zv—第v个节点,

k—节点Zv的取值,k=1,2…a,k依数据样本确定,

s—π(Zv)的取值,s=1,2…q,s依数据样本确定。

10.利用权利要求1~7任一所述的贝叶斯网络水质指标评价方法实现的贝叶斯网络水域未监测水质指标预测方法,其特征在于:所述未监测水质指标是水域水质评价贝叶斯网络结构图/水质评价最优贝叶斯网络结构图中的水质指标节点;首先确定未监测水质指标Xx在贝叶斯网络结构图/最优贝叶斯网络结构图中的节点位置及其所有直接父节点,其次依节点条件概率表判断未监测水质指标Xx的浓度范围预测值;所述判断规则是:若Xx仅一个直接父节点,则以直接父节点的监测值为基础,根据Xx与其直接父节点的最大条件概率确定水质指标Xx的浓度预测值;若水质指标Xx有多个直接父节点且直接父节点之间有关联性,则首先确定Xx与所有直接父节点构成的最长网络线节点组合,然后以直接父节点的监测值为基础,根据最长网络线节点组合之间的最大条件概率确定水质指标Xx的浓度范围预测值及对应水质等级F。