基于粗糙集—RBF网络的水环境质量评价方法

doi:10.3778/j.issn.1002-8331.2009.13.070

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (13): 237-239.DOI: 10.3778/j.issn.1002-8331.2009.13.070

基于粗糙集—RBF网络的水环境质量评价方法

王佳,于军琪,郭春燕

西安建筑科技大学信息与控制工程学院，西安 710055

收稿日期:2008-05-26 修回日期:2008-08-01 出版日期:2009-05-01 发布日期:2009-05-01
通讯作者: 王佳

Evaluation of water environmental quality using rough set—RBF network

WANG Jia,YU Jun-qi,GUO Chun-yan

School of Information and Control Engineering，Xi’an University of Architecture and Technology，Xi’an 710055，China

Received:2008-05-26 Revised:2008-08-01 Online:2009-05-01 Published:2009-05-01
Contact: WANG Jia

摘要/Abstract

摘要： 提出一种基于粗糙集—RBF网络复合的水环境质量评价方法，选取描述水环境质量的五项监测指标作为评价因子，利用粗糙集理论，构建水质级别知识表达系统，对水质监测数据进行属性约简，用约简后的规则集对RBF网络进行训练，提高了RBF网络在水质评价中的收敛性与非线性逼近能力。实验仿真表明：该方法使水质评价的结果更加科学、准确、及时，且通用性好，可广泛应用于环境保护与污染治理相关的水环境质量评价。

关键词: 粗糙集, 径向基函数网络, 水环境质量评价

Abstract: A arithmetic for evaluation of water enviromental quality is proposed based on composite of Rough Set—RBF Network.Five monitoring indexes of water enviromental quality are utilized as the evaluation items，the rough set is used to build the water-level knowledge systems，the property of water quality monitoring data is reduced，and the reductive regulation is used to train the RBF network，which can improve the ability of converge and nonlinear approaching of RBF network in evaluation of water quality.The simulation results indicate that the method makes the results of evaluation of water quality more scientific，accurately，promptly，and universally，it can be widely used in evaluation of water environmental quality related to environmental protection and pollution control.

Key words: rough set, Radial Basis Function（RBF） network, evaluation of water enviromental quality

王佳,于军琪,郭春燕. 基于粗糙集—RBF网络的水环境质量评价方法[J]. 计算机工程与应用, 2009, 45(13): 237-239.

WANG Jia,YU Jun-qi,GUO Chun-yan. Evaluation of water environmental quality using rough set—RBF network[J]. Computer Engineering and Applications, 2009, 45(13): 237-239.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[4]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[5]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[6]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[7]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[8]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[9]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[10]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[11]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[12]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[13]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[14]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[15]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.

基于粗糙集—RBF网络的水环境质量评价方法

Evaluation of water environmental quality using rough set—RBF network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics