本文選題：水質(zhì)評價(jià)分析　切入點(diǎn)：數(shù)據(jù)挖掘　出處：《燕山大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：隨著我國沿海地區(qū)經(jīng)濟(jì)的高速發(fā)展和人口的快速增長,海洋資源被過度開發(fā)利用,近岸海域的水體污染和生態(tài)破壞現(xiàn)象不斷加劇。為有效解決海洋生態(tài)問題,保障海洋生態(tài)的健康有序發(fā)展,對海洋生態(tài)環(huán)境進(jìn)行動(dòng)態(tài)實(shí)時(shí)監(jiān)測非常必要。通過監(jiān)測平臺可以獲取海量的監(jiān)測數(shù)據(jù),而傳統(tǒng)的數(shù)理統(tǒng)計(jì)和經(jīng)驗(yàn)預(yù)測等方法依靠于專家經(jīng)驗(yàn),監(jiān)測數(shù)據(jù)沒有被充分挖掘利用,因此通過先進(jìn)算法來充分挖掘監(jiān)測數(shù)據(jù)中的有用信息、準(zhǔn)確評價(jià)海洋水體質(zhì)量,并對海洋水質(zhì)建立有效的分析和預(yù)警模型,是當(dāng)前亟需解決的重要問題。依托特種光纖與光纖傳感重點(diǎn)實(shí)驗(yàn)室的光電傳感網(wǎng)監(jiān)測的水質(zhì)數(shù)據(jù),在總結(jié)當(dāng)前水質(zhì)評價(jià)技術(shù)和研究現(xiàn)狀的基礎(chǔ)上,理論分析研究了水質(zhì)監(jiān)測數(shù)據(jù)挖掘、規(guī)則更新和水質(zhì)分析預(yù)警模型等問題,通過仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性,并應(yīng)用于水質(zhì)監(jiān)測數(shù)據(jù)的挖掘分析與預(yù)警中。本文的主要研究內(nèi)容如下:首先,為了充分挖掘利用海量的水質(zhì)監(jiān)測數(shù)據(jù),研究了一種基于自適應(yīng)免疫遺傳算法的關(guān)聯(lián)規(guī)則挖掘算法。將免疫算法引入經(jīng)典遺傳算法,設(shè)計(jì)適應(yīng)度函數(shù),改進(jìn)免疫遺傳算法的交叉變異概率,使之在整個(gè)執(zhí)行過程中能夠隨著個(gè)體適應(yīng)度連續(xù)變化,并將該算法應(yīng)用到關(guān)聯(lián)規(guī)則挖掘中,該方法在保證挖掘規(guī)則精度的同時(shí),能夠縮短挖掘時(shí)間。其次,為解決水質(zhì)監(jiān)測數(shù)據(jù)庫隨時(shí)間不斷積累新數(shù)據(jù)而動(dòng)態(tài)變化引起的規(guī)則維護(hù)問題,在自適應(yīng)免疫遺傳關(guān)聯(lián)規(guī)則挖掘算法的基礎(chǔ)上,研究了一種規(guī)則更新挖掘算法。針對屬性數(shù)據(jù)庫的規(guī)則更新挖掘,通過將部分原始數(shù)據(jù)和新增數(shù)據(jù)組成一個(gè)新的數(shù)據(jù)庫來進(jìn)行。計(jì)算原始和新增數(shù)據(jù)的差異度,從原始數(shù)據(jù)庫中抽取不同比例的數(shù)據(jù)組建新的數(shù)據(jù)庫,對新建數(shù)據(jù)庫進(jìn)行免疫遺傳關(guān)聯(lián)規(guī)則的挖掘。該算法不僅可以保留原有支持度高的規(guī)則,還能夠發(fā)現(xiàn)新增規(guī)則。然后,針對水質(zhì)監(jiān)測參數(shù)的變化問題,為使變化的參數(shù)同樣適用于BP神經(jīng)網(wǎng)絡(luò)分析預(yù)警模型,研究了一種基于免疫遞階遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法。水質(zhì)監(jiān)測參數(shù)在實(shí)際的監(jiān)測過程中會(huì)發(fā)生變化,而變化的參數(shù)影響B(tài)P神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。通過引入免疫算法來提高算法處理速度,設(shè)計(jì)適合的適應(yīng)度函數(shù),利用遞階遺傳算法的染色體分層特點(diǎn),把染色體分為參數(shù)基因和控制基因,在傳統(tǒng)遺傳算法中加入解碼操作,從而分別優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值,調(diào)整遺傳算子的交叉變異概率,使其在整個(gè)執(zhí)行過程中能夠自適應(yīng)連續(xù)調(diào)整。該算法能夠根據(jù)水質(zhì)監(jiān)測參數(shù)的動(dòng)態(tài)變化而及時(shí)調(diào)整BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),使得分析預(yù)警模型更適用于當(dāng)前參數(shù)的學(xué)習(xí)與分析并及時(shí)作出預(yù)警。最后,為了提高水質(zhì)監(jiān)測分析預(yù)警模型的精度,將基于自適應(yīng)免疫遞階遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法與貝葉斯正則化的LM-BP神經(jīng)網(wǎng)絡(luò)數(shù)值優(yōu)化算法結(jié)合,研究了一種水質(zhì)監(jiān)測數(shù)據(jù)評價(jià)預(yù)警模型。通過免疫遞階遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的參數(shù)和結(jié)構(gòu),再通過貝葉斯正則化LM-BP神經(jīng)網(wǎng)絡(luò)提高評價(jià)模型的精度。該模型適用于多參數(shù)大樣本訓(xùn)練。
[Abstract]:With the rapid growth of the rapid development of economy in China's coastal areas and population, over exploitation of marine resources, coastal water pollution and ecological destruction phenomenon intensified. In order to effectively solve the problem of marine ecology, marine ecological protection of the healthy and orderly development, it is very necessary to carry out dynamic real-time monitoring of the marine environment monitoring data through. The monitoring platform can get mass, while the traditional mathematical statistics and empirical forecasting methods rely on expert experience, the monitoring data are not fully exploit, so through the advanced algorithm to dig out useful information in the monitoring data, the accurate evaluation of marine water quality, and establish effective analysis and early warning model of marine water quality, is an important the problem to be solved. Based on the water quality data of photoelectric sensor network monitoring special optical fiber and optical fiber sensing key laboratory, in summary Based on the current water quality evaluation technology and the research status, theoretical analysis on the water quality monitoring data mining, rule update and analysis of water quality early warning system model, through simulation experiments verify the effectiveness of the algorithm, mining analysis and early warning and applied to water quality monitoring data. The main contents of this paper are as follows: firstly, in order to fully the water quality monitoring data mining research, an association rule mining algorithm based on adaptive immune genetic algorithm. The immune algorithm is introduced into the classical genetic algorithm, fitness function, crossover and mutation probability improved immune genetic algorithm, so that the entire implementation process with individual fitness and the continuous change. The algorithm is applied to mining association rules, the method of mining rules while ensuring the accuracy, which can shorten the time of mining. Secondly, in order to solve the water quality monitoring data With the accumulation of new data base and dynamic change rules of maintenance of mining association rules in adaptive immune genetic algorithm based on the research, a rule updating algorithm. According to the attribute database update rule mining, for some of the original data and new data to form a new database. The difference calculation the original and new data, from the original database extraction in different proportions to form a new data mining database, immune genetic association rules of the new database. The algorithm can not only retain the original support rules of high, can also find new rules. Then, aiming at the problem of monitoring water quality parameters, as the parameters the change also applies to BP neural network analysis of early warning model, a BP neural network optimization algorithm immune genetic algorithm based on hierarchical water quality. The monitoring parameters will change in the monitoring of the actual process, and changes of parameters affecting the structure of BP neural network. To improve the algorithm processing speed by using the immune algorithm, suitable for the design of fitness function, using the layered characteristics of hierarchical genetic algorithm, the chromosome is divided into parameter gene and control gene, join in the traditional decoding operation the genetic algorithm, which optimize the structure and weights of neural network, adjusting crossover and mutation probability of genetic operator, which can adaptively adjust continuously throughout the entire implementation process. This algorithm can change dynamically according to the parameters of water quality monitoring and timely adjustment of the structure of BP neural network, learning and analysis which makes the analysis of early warning model is more suitable for the current parameter and timely warning. Finally, in order to improve the water quality monitoring early warning analysis of the accuracy of the model, based on hierarchical adaptive immune genetic algorithm BP neural network optimization algorithm and Bias regularization LM-BP neural network optimization algorithm combined with numerical method, studied a kind of monitoring data of water quality evaluation model. Through the structure and parameters of genetic algorithm to optimize neural network immune hierarchical, by Bias regularization LM-BP neural network to improve the accuracy of the evaluation model. The model is suitable for multi parameter large sample training.

【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：X832;TP18;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚芳蓮,李維云,鄧聯(lián)東,孟繼紅,白云;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];天津化工;2000年04期

2 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報(bào);2005年04期

3 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

4 馮錦春;楊林建;;遺傳算法在機(jī)械工程方面的應(yīng)用研究[J];煤礦機(jī)械;2008年08期

5 李凱;田雙亮;耿麗君;張喜;;基于改進(jìn)遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

6 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報(bào);2000年03期

7 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報(bào);2000年05期

8 苑進(jìn),孫忠林,劉雪美;改進(jìn)遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

9 李春利,郭章紅,楊振生;基于遺傳算法的分子設(shè)計(jì)初探[J];化學(xué)工業(yè)與工程;2002年01期

10 董軍芳,曾穎,林金清;應(yīng)用遺傳算法推算多元溶液熱力學(xué)數(shù)據(jù)[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

相關(guān)會(huì)議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

2 李險(xiǎn)峰;基于改進(jìn)遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學(xué);2017年

3 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究[D];燕山大學(xué);2016年

4 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

5 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

6 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

7 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

8 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

9 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

10 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1622088