基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究.pdf

1、隨著我國(guó)沿海地區(qū)經(jīng)濟(jì)的高速發(fā)展和人口的快速增長(zhǎng)，海洋資源被過(guò)度開(kāi)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(wèn)題，保障海洋生態(tài)的健康有序發(fā)展，對(duì)海洋生態(tài)環(huán)境進(jìn)行動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)非常必要。通過(guò)監(jiān)測(cè)平臺(tái)可以獲取海量的監(jiān)測(cè)數(shù)據(jù)，而傳統(tǒng)的數(shù)理統(tǒng)計(jì)和經(jīng)驗(yàn)預(yù)測(cè)等方法依靠于專家經(jīng)驗(yàn)，監(jiān)測(cè)數(shù)據(jù)沒(méi)有被充分挖掘利用，因此通過(guò)先進(jìn)算法來(lái)充分挖掘監(jiān)測(cè)數(shù)據(jù)中的有用信息、準(zhǔn)確評(píng)價(jià)海洋水體質(zhì)量，并對(duì)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

2、的重要問(wèn)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(cè)的水質(zhì)數(shù)據(jù)，在總結(jié)當(dāng)前水質(zhì)評(píng)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(cè)數(shù)據(jù)挖掘、規(guī)則更新和水質(zhì)分析預(yù)警模型等問(wèn)題，通過(guò)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(cè)數(shù)據(jù)的挖掘分析與預(yù)警中。本文的主要研究?jī)?nèi)容如下：
　　首先，為了充分挖掘利用海量的水質(zhì)監(jiān)測(cè)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

3、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(guò)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(cè)數(shù)據(jù)庫(kù)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(wèn)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(duì)屬性數(shù)據(jù)庫(kù)的規(guī)則更新挖掘，通過(guò)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(kù)來(lái)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)

4、庫(kù)中抽取不同比例的數(shù)據(jù)組建新的數(shù)據(jù)庫(kù)，對(duì)新建數(shù)據(jù)庫(kù)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(duì)水質(zhì)監(jiān)測(cè)參數(shù)的變化問(wèn)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(cè)參數(shù)在實(shí)際的監(jiān)測(cè)過(guò)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(guò)引入免疫算法來(lái)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

5、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(guò)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(cè)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(cè)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)