基于神经网络与改进D-S证据理论的水质评价模型研究

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。