收藏本站
《燕山大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于遗传算法的水质数据挖掘与应用研究

孙秋红  
【摘要】:随着我国沿海地区经济的高速发展和人口的快速增长,海洋资源被过度开发利用,近岸海域的水体污染和生态破坏现象不断加剧。为有效解决海洋生态问题,保障海洋生态的健康有序发展,对海洋生态环境进行动态实时监测非常必要。通过监测平台可以获取海量的监测数据,而传统的数理统计和经验预测等方法依靠于专家经验,监测数据没有被充分挖掘利用,因此通过先进算法来充分挖掘监测数据中的有用信息、准确评价海洋水体质量,并对海洋水质建立有效的分析和预警模型,是当前亟需解决的重要问题。依托特种光纤与光纤传感重点实验室的光电传感网监测的水质数据,在总结当前水质评价技术和研究现状的基础上,理论分析研究了水质监测数据挖掘、规则更新和水质分析预警模型等问题,通过仿真实验验证了算法的有效性,并应用于水质监测数据的挖掘分析与预警中。本文的主要研究内容如下:首先,为了充分挖掘利用海量的水质监测数据,研究了一种基于自适应免疫遗传算法的关联规则挖掘算法。将免疫算法引入经典遗传算法,设计适应度函数,改进免疫遗传算法的交叉变异概率,使之在整个执行过程中能够随着个体适应度连续变化,并将该算法应用到关联规则挖掘中,该方法在保证挖掘规则精度的同时,能够缩短挖掘时间。其次,为解决水质监测数据库随时间不断积累新数据而动态变化引起的规则维护问题,在自适应免疫遗传关联规则挖掘算法的基础上,研究了一种规则更新挖掘算法。针对属性数据库的规则更新挖掘,通过将部分原始数据和新增数据组成一个新的数据库来进行。计算原始和新增数据的差异度,从原始数据库中抽取不同比例的数据组建新的数据库,对新建数据库进行免疫遗传关联规则的挖掘。该算法不仅可以保留原有支持度高的规则,还能够发现新增规则。然后,针对水质监测参数的变化问题,为使变化的参数同样适用于BP神经网络分析预警模型,研究了一种基于免疫递阶遗传算法的BP神经网络优化算法。水质监测参数在实际的监测过程中会发生变化,而变化的参数影响BP神经网络的结构。通过引入免疫算法来提高算法处理速度,设计适合的适应度函数,利用递阶遗传算法的染色体分层特点,把染色体分为参数基因和控制基因,在传统遗传算法中加入解码操作,从而分别优化神经网络的结构和权值,调整遗传算子的交叉变异概率,使其在整个执行过程中能够自适应连续调整。该算法能够根据水质监测参数的动态变化而及时调整BP神经网络结构,使得分析预警模型更适用于当前参数的学习与分析并及时作出预警。最后,为了提高水质监测分析预警模型的精度,将基于自适应免疫递阶遗传算法的BP神经网络优化算法与贝叶斯正则化的LM-BP神经网络数值优化算法结合,研究了一种水质监测数据评价预警模型。通过免疫递阶遗传算法优化神经网络的参数和结构,再通过贝叶斯正则化LM-BP神经网络提高评价模型的精度。该模型适用于多参数大样本训练。
【学位授予单位】:燕山大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:X832;TP18;TP311.13

【相似文献】
中国期刊全文数据库 前10条
1 姚芳莲,李维云,邓联东,孟继红,白云;遗传算法及其在化学领域中的应用[J];天津化工;2000年04期
2 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期
3 李华昌,谢淑兰,易忠胜;遗传算法的原理与应用[J];矿冶;2005年01期
4 冯锦春;杨林建;;遗传算法在机械工程方面的应用研究[J];煤矿机械;2008年08期
5 李凯;田双亮;耿丽君;张喜;;基于改进遗传算法在分析企业客户群中的应用[J];河南理工大学学报(自然科学版);2009年06期
6 刘铁男,姜建国,陈继刚,张长江,于镝;遗传算法的收敛性分析[J];大庆石油学院学报;2000年03期
7 乐慧丰,林家骏,俞金寿;投影遗传算法[J];华东理工大学学报;2000年05期
8 苑进,孙忠林,刘雪美;改进遗传算法在齿轮减速器优化中的应用[J];山东科技大学学报(自然科学版);2001年04期
9 李春利,郭章红,杨振生;基于遗传算法的分子设计初探[J];化学工业与工程;2002年01期
10 董军芳,曾颖,林金清;应用遗传算法推算多元溶液热力学数据[J];吉首大学学报(自然科学版);2002年01期
中国重要会议论文全文数据库 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
中国重要报纸全文数据库 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
中国博士学位论文全文数据库 前10条
1 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
2 李险峰;基于改进遗传算法的汽车装配生产线平衡问题研究[D];北京科技大学;2017年
3 孙秋红;基于遗传算法的水质数据挖掘与应用研究[D];燕山大学;2016年
4 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
5 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
6 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
7 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
8 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
9 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
10 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年
中国硕士学位论文全文数据库 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年
4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年
5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年
6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026