申请/专利权人:南京大学
申请日:2020-10-29
公开(公告)日:2021-02-09
公开(公告)号:CN112347155A
主分类号:G06F16/2458(20190101)
分类号:G06F16/2458(20190101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06Q10/04(20120101);G06Q10/06(20120101);G06Q50/26(20120101)
优先权:
专利状态码:有效-授权
法律状态:2023.11.21#授权;2021.03.02#实质审查的生效;2021.02.09#公开
摘要:本发明公开了一种基于数据挖掘的场地污染特征因子识别和监测指标优化方法,首先,对预先获取的污染场地的地下水污染数据进行预处理操作;其次,构建自组织映射神经网络模型,完成模型训练后开展数据降维、相关性解析、可视化分析等一系列数据挖掘任务;然后,对自组织映射分类结果进一步采用K均值算法进行无监督聚类学习,实现特征因子的识别;最后,对污染指标采取先分类后分级的策略,优化指标的后期监测过程。本发明可为污染场地数据监测、数据分析和决策管理提供技术支持,通过对污染场地的数据挖掘,识别场地污染特征因子,同时进行监测指标的优化,最终达到降低场地监测成本的目的。
主权项:1.一种基于数据挖掘的场地污染特征因子识别和监测指标优化方法,其特征在于,包括以下步骤:1对预先获取的污染场地的地下水污染数据进行预处理;2构建自组织映射神经网络模型,完成模型训练后开展数据降维、相关性解析、可视化分析数据挖掘任务;3对自组织映射分类结果进一步采用K均值算法进行无监督聚类学习,实现特征因子的识别;4对污染指标采取先分类后分级的策略,优化指标的后期监测过程。
全文数据:
权利要求:
百度查询: 南京大学 基于数据挖掘的场地污染特征因子识别和监测指标优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。