申请/专利权人：杭州电子科技大学

申请日：2021-11-11

公开（公告）日：2024-04-16

公开（公告）号：CN114113518B

主分类号：G01N33/18

分类号：G01N33/18;G06F18/2415;G06N3/0499;G06N3/047;G06N3/048;G06N3/084;G06Q10/0639;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明公开了一种入户生活用水水质评价方法，步骤包括步骤1预设水质评价的水质指标；步骤2根据预设的水质指标进行数据优化；步骤3给出水质评价结果，通过构建数据矩阵、评分矩阵，最终得到评价矩阵，进而得出水质的评价结果；步骤4构建神经网络模型，根据得到的水质评价结果构建神经网络模型，从而对水质评价结果进行迭代，从而弥补了以往传统评价依据单一化的问题，同时改善了因主观化导致传统专家制定评价标准易出现指标重要性逻辑判断错误的问题，使本方法更加具备定制性、全面性和合理性。

主权项：1.一种入户生活用水水质评价方法，其特征在于，步骤包括步骤1预设水质评价的水质指标；步骤2根据预设的水质指标进行数据优化；步骤3给出水质评价结果，通过构建数据矩阵、评分矩阵，最终得到评价矩阵，进而得出水质的评价结果；步骤4构建神经网络模型，根据得到的水质评价结果构建神经网络模型，从而对水质评价结果进行迭代；所述步骤2包括步骤2.1根据预设的水质指标构造水质指标成对比较矩阵，运用层次分析，通过历史数据对各项水质指标进行重要性比较，并参照所给的标度得到对应水质指标的成对比较矩阵；步骤2.2将所有成对比较矩阵进行权重计算及一致性检验，得到权重矩阵；所述步骤2.2中数据优化的方法包括：所得的多个成对比较矩阵的的各行向量分别进行几何平均和归一化，得到各评价指标权重Wio和特征向量Wo，其中， 计算最大特征根λmax: 将3式带入4式，得到CI： 将4式和查表得到的RI带入5式，得到CR： 通过判断CR0.1判断成对比较矩阵的不一致程度是否在允许范围内，对应所有成对比较矩阵S当不满足时认为成对比较矩阵S的不一致程度不在允许范围内，需调整直至CR0；将经过调整最终得到的多个权重列向量合成一个权重矩阵W；步骤2.3对水质指标数据无量纲化；所述步骤2.3中水质指标数据无量纲化的方法为：针对水质指标数据越小评价越好无量纲化结果:针对水质指标数据越靠近预定值评价越好无量纲化结果:所述步骤3中，数据矩阵的构建方法为，通过高斯分布随机生成t10000～100000组数据，其中每组数据有t*n个数据，并按行分为t个小组数据，将每个小组的n个数据按照与权重矩阵W每列指标相对应并以此对数据进行无量纲化，即构建数据矩阵记为Xk，其中k＝1，2，3，...，t 所述步骤3中，评分矩阵的构建方法为，通过矩阵乘法:Pk＝XkW9得出评分矩阵，记为Pk；所述步骤3中，评价矩阵的构建方法为，通过评分矩阵Pk，得出其项Pijk代表第k组数据中的第i小组数据在第j组权重下计算的评分，通过将评分与已给出的评分-评价对照表进行比对，得出评价矩阵Pk'；所述步骤4的神经网络模型的构建方法为，通过应用BP神经网络将不同的评价矩阵Pk'进行综合，得到最终评价模型，具体步骤如下：步骤4.1选取原始参数输入层：根据评价指标参数的个数确定输入层神经元的个数n；隐藏层：层数设置为2，隐藏层根据经验公式： 其中h为隐藏层神经元个数，m与上文m不同为输出层神经元个数，n为输入层神经元个数，a为1～10之间的调节常数；输出层：由于本方法最终的评价结果为优、良、中、合、差，因此输出层神经元个数设为5；激活函数的选择：第一层和第二层采用Relu激活函数，输出层采用softmax分类器步骤4.2训练网络步骤4.2训练网络所述步骤4.2中训练网络的方法为通过取m个数据矩阵X，并将与之对应的评价矩阵P′中的评价p′ij按列序插入至数据矩阵X的末尾形成新的m个数据矩阵X':X′j＝[XP′j]j＝1，2，3，…，m11将由11式得到的m个X'作为子矩阵按列排列为新的矩阵X”: 随机打乱12式矩阵的行排列顺序，并按13式对列进行归一化处理，以12式矩阵的前n列作为神经网络的输入矩阵，将前n列的经过如下处理后作为每一行对应的输入代入神经网络进行训练； 以X”的最后一列作为神经网络的输出矩阵，将最后一列优、良、中、合、差分别用列向量替换，如14式所示，并作为每一行对应的输出代入神经网络进行训练； 步骤4.3经一定次数迭代后完成训练，得到优、良、中、合、差的水质评价等级最终评价模型。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种入户生活用水水质评价方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD