CN1570628A - 多源监测数据信息融合处理方法 - Google Patents
多源监测数据信息融合处理方法 Download PDFInfo
- Publication number
- CN1570628A CN1570628A CNA2004100147958A CN200410014795A CN1570628A CN 1570628 A CN1570628 A CN 1570628A CN A2004100147958 A CNA2004100147958 A CN A2004100147958A CN 200410014795 A CN200410014795 A CN 200410014795A CN 1570628 A CN1570628 A CN 1570628A
- Authority
- CN
- China
- Prior art keywords
- fusion
- evidence
- water environment
- elementary
- apportioning cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明是多源监测数据信息融合处理方法,具体的实施步骤依次分为:选择信息融合处理的水环境监测数据,依据表1,选取合适水环境监测数据作为融合数据;确定证据理论中的辨识框架。辨识框架基数最多五类;确定基本可信度分配函数值0~1;监测数据融合处理的过程分为两类证据和多类证据的融合;类别判定规则:判定的水环境类型应具有最大的基本概率分配值;判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值;不确定性基本概率分配值m(Θ)小于0.35阈值;判定的水环境类型基本概率分配值m(A)大于不确定性基本概率分配值m(Θ)。优点:具有对不确定性信息的表示比较容易,以及不确定性信息转化证据,进行融合,其过程简单明了等。
Description
技术领域
本发明涉及的是一种用于多源异类水环境监测数据信息融合处理方法。属于检测与信息处理技术领域。
背景技术
目前,对于水环境监测数据信息融合处理方法主要有聚类分析法、神经网络方法等,这些方法存在主观性强、需要训练样本、融合过程不简明、简化假设(如:未知概率等)等缺陷。
发明内容
本发明的目的在于针对上述存在的缺陷,设计了一种基于证据理论(D-S理论)的多源异类水环境监测数据信息融合处理方法。该方法具有对不确定性信息的表示比较容易,以及不确定性信息转化证据,进行融合,并且其过程简单明了等特点。本发明的技术解决方案:具体实施步骤依次分为:
(一)选择信息融合处理的水环境监测数据,在《国家地面水环境质量标准》(GB3838-2002)中,规定监测的水质参数有二十多种,见表1,根据需要及区域水质特点,选取合适水环境监测数据作为融合数据;
(二)确定证据理论中的辨识框架。《国家地面水环境质量标准》(GB3838-2002)中,根据地面水域使用的目的和保护目标将其划分为I,II,III,IV,V五类,见附表1。基于区域水质历史状况及变化规律,确定证据理论中的辨识框架,但辨识框架基数不应超过五个,即最多I,II,III,IV,V五类。
表1 地表水环境质量标准基本项目标准限值 单位mg/L
序
I类 II类 III类 IV类 V类
号
人为造成的环境水温变化应限制在:
1 水温(℃) 周平均最大温升≤1
周平均最大温降≤2
PH值(无量纲)
2 6~9
饱和率
溶解氧 ≥
3 90% 6 5 3 2
(或7.5)
4 高锰酸盐指数 ≤ 2 4 6 10 15
化学需氧量(COD)
5 15 15 20 30 40
≤
五日生化需氧量
6 3 3 4 6 10
(BOD5) ≤
7 氨氮(NH3-N) ≤ 0.15 0.5 1.0 1.5 2.0
0.02 0.1 0.2 0.3 0.4
8 总磷(以P计) ≤ (湖、库 (湖、库 (湖、库 (湖、库 (湖、库
0.01) 0.025) 0.05) 0.1) 0.2)
总氮(湖、库,以
9 0.2 0.5 1.0 1.5 2.0
N计) ≤
10 铜 ≤ 0.01 1.0 1.0 1.0 1.0
11 锌 ≤ 0.05 1.0 1.0 2.0 2.0
氟化物(以F计)
12 1.0 1.0 1.0 1.5 1.5
≤
13 硒 ≤ 0.01 0.01 0.01 0.02 0.02
14 砷 ≤ 0.05 0.05 0.05 0.1 0.1
15 汞 ≤ 0.00005 0.00005 0.0001 0.001 0.001
16 镉 ≤ 0.001 0.005 0.005 0.005 0.01
17 铬(六价) ≤ 0.01 0.05 0.05 0.05 0.1
18 铅 ≤ 0.01 0.01 0.05 0.05 0.1
19 氰化物 ≤ 0.005 0.05 0.2 0.2 0.2
20 挥发酚 ≤ 0.002 0.002 0.005 0.01 0.1
21 石油类 ≤ 0.05 0.05 0.05 0.5 1.0
阴离子表面活性剂
22 0.2 0.2 0.2 0.3 0.3
≤
23 硫化物 ≤ 0.05 0.1 0.2 0.5 1.0
粪大肠菌群
24 200 2000 10000 20000 40000
(个/L) ≤
(三)确定基本可信度分配函数值0~1。水质数据来源广泛,具有异类的特点,因此将选择的水质监测数据转化为证据理论中的证据,使其具有统一的表示形式,便于融合处理。证据的基本可信度分配值基于数据特点及影响水环境的因素或将监测数据转化为相应证据的基本可信度分配值。;
(四)监测数据融合处理。融合处理过程分为二步:
(A’)两类证据的融合
对两类证据在相同辨识框架2Θ上的基本可信度分配函数分别为m1和m2,其核分别为{A1,A2,Λ,An}和{B1,B2,Λ,Bn},
I)若
则,融合后的基本可信度分配函数m:
2Θ→[0,1]对于所有基本概率分配的非空集A,有:
II)若
则,融合后的基本可信度分配函数m:
2Θ→[0,1]对于所有基本概率分配的非空集A,有:
其中L(0<L<1)表示指派值的限度,k反映了证据冲突的程度。系数1/1-k称为归一化因子,它的作用就是避免在合成时将非0的概率赋给空集Φ。
(B’)多类证据的融合
选两类证据采用A’步,进行融合处理,融合结果作为新的证据,与在剩余的证据中选一类证据,按A’步进行融合,循环处理,直至全部类别的证据进行融合,得到最终融合结果。在融合完成过程中与次序无关,即满足结合率。
(五)类别判定。水环境监测数据融合处理的目的在于确定水环境现状及其发展趋势,判定的依据是融合后证据的基本概率分配值,判定的准则如下:
a.判定的水环境类型应具有最大的基本概率分配值;
b.判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值,
c.不确定性基本概率分配值m(Θ)必须小于0.35阈值,
d.判定的水环境类型基本概率分配值m(A)必须大于不确定性基本概率分配值m(Θ)。
上述规则可选其中之一,即可。
本发明的优点:具有对不确定性信息的表示比较容易,以及不确定性信息转化证据,进行融合,并且其过程简单明了等特点。
具体实施方式
实施例,
以长江口某一水文站2002年1-3月份水质监测数据为对象,说明本发明的实施过程。
(一)选择融合处理的水环境监测数据。依据长江口地理位置及周边环境的状况,选取对水环境影响较大因子的水质监测数据进行分析(见表2)。
表2 长江口地表水体环境质量(部分) 单位mg/L
BOD5 高锰酸盐指数 溶解氧 氨氮
一月 0.95 2.28 10.8 0.21
二月 1.58 2.55 10.55 0.38
三月 0.9 3.03 10.5 0.37
(二)确定证据理论中的辨识框架。基于长江口区域水环境历史状况及变化规律,确定证据理论理论中的辨识框架为I,II,III,IV四类。
(三)基本可信度分配函数值的确定。监测数据的基本可信度分配值,见表3。表3水质监测数据的基本可信度分配值
I I、II II II、III III III、IV IV Θ
BOD5 0.64 0.11 0.08 0.06 0.03 0.02 0.01 0.05
高锰酸盐 0.12 0.56 0.1 0.08 0.04 0.02 0.01 0.07
指数
溶解氧 0.75 0.12 0.05 0.03 0.01 0 0 0.04
氨氮 0.06 0.23 0.57 0.07 0.02 0.02 0 0.03
(四)监测数据融合处理。本例采用了四个证据,属于多类证据融合。首先,任意选取两个证据,BOD5和溶解氧进行融合,k=0.2201<1,采用上述中的I方法进行融合,结果见表4-1,表4-2。
表4-1 BOD5和溶解氧指标数据融合
k=0.2201 I I、II II II、III
BOD5 0.64 0.11 0.08 0.06
溶解氧 0.75 0.12 0.05 0.03
融合结果1 0.9006 0.0303 0.0522 0.0073
表4-2 BOD5和溶解氧指标数据融合
k=0.2201 III III、IV IV m(Θ)
BOD5 0.03 0.02 0.01 0.05
溶解氧 0.01 0 0 0.04
融合结果1 0.0055 0.001 0.0005 0.0003
其次,将融合结果1与高锰酸盐指数证据进行融合,k=0.2437<1,采用I方法进行融合,结果见表5-1,表5-2。
表5-1 融合结果1和高锰酸盐指数指标数据融合
k=0.2437 I I、II II II、III
融合结果1 0.9006 0.0303 0.0522 0.0073
高锰酸盐指数 0.12 0.56 0.1 0.08
融合结果2 0.8979 0.0255 0.0695 0.0015
表5-2 融合结果1和高锰酸盐指数指标数据融合
k=0.2437 III III、IV IV m(Θ)
融合结果1 0.0055 0.001 0.0005 0.0003
高锰酸盐指数 0.04 0.02 0.01 0.07
融合结果2 0.0023 0.0001 0.0001 0.00003
最后,融合结果2与氨氮证据进行融合,k=0.3792<1,采用I方法进行融合,结果见表6-1,表6-2。
表6-1 融合结果2和氨氮指标数据融合
k=0.3792 I I、II II II、III
融合结果2 0.8979 0.0255 0.0695 0.0015
氨氮 0.06 0.23 0.57 0.07
融合结果 0.7617 0.0175 0.2112 0.0004
表6-2 融合结果2和氨氮指标数据融合
k=0.3792 III III、IV IV m(Θ)
融合结果2 0.0023 0.0001 0.0001 0.00003
氨氮 0.02 0.02 0 0.03
融合结果 0.001 0.00002 0.00001 0.000002
(五)类别判定。基于判断准则b,判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值,有:m(I)-m(II)=0.7617-0.2112=0.5505,m(I)-m(II)=0.5505>0.28,则该流域的水环境状况为I类。
Claims (1)
1、多源监测数据信息融合处理方法,其特征是方法步骤依次分为:
(一)选择信息融合处理的水环境监测数据,依据需要及区域水质特点,选取合适水环境监测数据作为融合数据;
(二)确定证据理论中的辨识框架,基于区域水质历史状况及变化规律和地面水域使用的目的和保护目标,确定证据理论中的辨识框架,辨识框架基数不应超过五个,将其划分为I,II,III,IV,V五类;
(三)取基本可信度分配函数值为0~1;
(四)监测数据信息融合处理,信息融合处理过程分为二步:
(A’)两类证据的融合,
对两类证据在相同辨识框架2Θ上的基本可信度分配函数分别为m1和m2,其核分别为{A1,A2,Λ,An}和{B1,B2,Λ,Bn},
I)若
则,融合后的基本可信度分配函数m:
2Θ→[0,1]对于所有基本概率分配的非空集A,有:
II)若
则,融合后的基本可信度分配函数m:
2Θ→[0,1]对于所有基本概率分配的非空集A,有:
其中L(0<L<1)表示指派值的限度,k反映了证据冲突的程度,系数1/1-k称为归一化因子,它的作用就是避免在合成时将非0的概率赋给空集Φ,
(B’)多类证据的融合,
两类证据采用A’步,进行融合处理,融合结果作为新的证据,与在剩余的证据中选一类证据,按A’步进行融合,循环处理,直至全部类别的证据进行融合,得到最终融合结果,在融合完成过程中与次序无关,即满足结合率;
(五)类别判定,依据融合后证据的基本概率分配值,其准则:
a.判定的水环境类型应具有最大的基本概率分配值;
b.判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值;
c.不确定性基本概率分配值m(Θ)小于0.35阈值;
d.判定的水环境类型基本概率分配值m(A)大于不确定性基本概率分配值m(Θ)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2004100147958A CN1570628A (zh) | 2004-04-30 | 2004-04-30 | 多源监测数据信息融合处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2004100147958A CN1570628A (zh) | 2004-04-30 | 2004-04-30 | 多源监测数据信息融合处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1570628A true CN1570628A (zh) | 2005-01-26 |
Family
ID=34478604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2004100147958A Pending CN1570628A (zh) | 2004-04-30 | 2004-04-30 | 多源监测数据信息融合处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1570628A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
CN102565297A (zh) * | 2012-01-06 | 2012-07-11 | 浙江大学 | 基于组合权重的地表水水质评价方法 |
CN102609612A (zh) * | 2011-12-31 | 2012-07-25 | 电子科技大学 | 一种用于多参数仪表检定的数据融合方法 |
CN103020450A (zh) * | 2012-12-12 | 2013-04-03 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN106446545A (zh) * | 2016-09-23 | 2017-02-22 | 宁波大学 | 环境信息监测协同认知多路数据融合方法 |
CN106779418A (zh) * | 2016-12-20 | 2017-05-31 | 河海大学常州校区 | 基于神经网络和证据理论的水污染事件智能决策方法 |
CN111105131A (zh) * | 2019-11-07 | 2020-05-05 | 华侨大学 | 一种基于改进d-s证据理论的水质判断方法 |
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
-
2004
- 2004-04-30 CN CNA2004100147958A patent/CN1570628A/zh active Pending
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996157A (zh) * | 2010-10-23 | 2011-03-30 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
CN101996157B (zh) * | 2010-10-23 | 2013-08-21 | 山东科技大学 | 证据高冲突环境下多源信息融合方法 |
CN102609612A (zh) * | 2011-12-31 | 2012-07-25 | 电子科技大学 | 一种用于多参数仪表检定的数据融合方法 |
CN102609612B (zh) * | 2011-12-31 | 2015-05-27 | 电子科技大学 | 一种用于多参数仪表检定的数据融合方法 |
CN102565297A (zh) * | 2012-01-06 | 2012-07-11 | 浙江大学 | 基于组合权重的地表水水质评价方法 |
CN102565297B (zh) * | 2012-01-06 | 2014-11-12 | 浙江大学 | 基于组合权重的地表水水质评价方法 |
CN103020450A (zh) * | 2012-12-12 | 2013-04-03 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN103020450B (zh) * | 2012-12-12 | 2016-04-20 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN106446545A (zh) * | 2016-09-23 | 2017-02-22 | 宁波大学 | 环境信息监测协同认知多路数据融合方法 |
CN106446545B (zh) * | 2016-09-23 | 2017-11-03 | 宁波大学 | 环境信息监测协同认知多路数据融合方法 |
CN106779418A (zh) * | 2016-12-20 | 2017-05-31 | 河海大学常州校区 | 基于神经网络和证据理论的水污染事件智能决策方法 |
CN106779418B (zh) * | 2016-12-20 | 2020-09-04 | 河海大学常州校区 | 基于神经网络和证据理论的水污染事件智能决策方法 |
CN111105131A (zh) * | 2019-11-07 | 2020-05-05 | 华侨大学 | 一种基于改进d-s证据理论的水质判断方法 |
CN111105131B (zh) * | 2019-11-07 | 2022-07-01 | 华侨大学 | 一种基于改进d-s证据理论的水质判断方法 |
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
CN114034338B (zh) * | 2021-10-29 | 2023-08-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100351725C (zh) | 用于在先进工艺控制系统中处理歪曲的度量数据的方法、系统和介质 | |
CN1656371A (zh) | 判定表面缺陷的方法 | |
CN1570628A (zh) | 多源监测数据信息融合处理方法 | |
Semenzin et al. | Species sensitivity weighted distribution for ecological risk assessment of engineered nanomaterials: The n‐TiO2 case study | |
CN1657934A (zh) | 河流综合水质标识指数评价方法 | |
CN1828632A (zh) | 目标检测装置、学习装置、目标检测系统及目标检测方法 | |
CN1197288A (zh) | 集成电路装置的合格率估算方法 | |
CN101075872A (zh) | 注册设备、对照设备、提取方法,和程序 | |
CN101054247A (zh) | 完整的线路板生产废水的处理工艺 | |
CN101079851A (zh) | 邮件类型判断方法、装置及系统和行为模型建立装置 | |
CN1842867A (zh) | 使用模糊一级支持向量机的自动视频摘要装置和方法 | |
CN1278109C (zh) | 基于灰色理论的称重传感器故障预测方法 | |
CN1622589A (zh) | 图像处理方法以及图像处理装置 | |
CN1949221A (zh) | 存储元素的方法与系统及查找元素的方法与系统 | |
CN1862576A (zh) | 获取定时任务执行时间的方法 | |
CN1920852A (zh) | 一种确定一组不同特征的级联分类器的连接顺序和特征阈值的方法 | |
Motta et al. | The study of protozoa population in wastewater treatment plants by image analysis | |
CN1641890A (zh) | 发光二极管及其制造方法 | |
CN1120446C (zh) | 粒子识别装置 | |
Crossman et al. | Population structure and intergeneric hybridization in harbour porpoises Phocoena phocoena in British Columbia, Canada | |
CN1261907C (zh) | 图形分类方法及其装置 | |
CN100347724C (zh) | 一种基于模板匹配的烟支批量计数方法及其装置 | |
Ó Foighil et al. | Conservation genetics of a critically endangered limpet genus and rediscovery of an extinct species | |
CN1866295A (zh) | 用于底层图像的挖掘方法及采用该方法的图像挖掘装置 | |
CN1482578A (zh) | 制程终点曲线的图形辨识法及其系统以及含有执行该方法的指令的电脑可读取媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |