论文部分内容阅读
随着社会科学与工业技术的快速发展,水环境污染评价越来越受到人们的广泛关注。贝叶斯网络具备概率推理能力强、语义清晰、易于理解等技术特点,为依赖关系和因果关系提供了一种自然而有效的表达方式,可以发现数据集中潜在的关系和模式,因此在数据挖掘中显示出独特的优越性。正是基于这一出发点,本文将贝叶斯网络引入到水质评价及预测中,通过系统的理论研究和实验分析,建立一套系统的贝叶斯网络结构学习理论和计算方法,为水质污染评价及预测提供有力的依据。本文的研究工作和创新点主要体现在以下几个方面:1.首先对水质评价方法进行了详细阐述,对贝叶斯网络的国内外发展现状进行了综述。在总结各种水质评价方法原理及优缺点的基础上,归纳出贝叶斯网络与其他方法相比的优势和特点,对贝叶斯网络进行系统深入的分析和论述,描述了贝叶斯网络模型的构成。论述了贝叶斯网络的功能与特点,分析和讨论了基于贝叶斯网络的水质污染评价及预测的理论方法与实现步骤,建立了用于水质评价及预测的贝叶斯网络计算模型。2.利用已知数据和信息,选取用于水质评价及预测的水质污染样本数据和实验数据。利用基于时间序列的贝叶斯数据预测方法,采用极大似然方法对对长江2005.1-2005.5的水质污染实验数据进行预测处理,得到2005.6的水质污染数据以用于水质预测有效性的验证,并将该方法的预测结果与数值估计方法的数据预测结果进行比较,利用两者的均方误差(MSD)来验证该方法的正确性与有效性。3.提出了基于贝叶斯网络的水质污染评价及预测网络模型的建立方法,即利用变量之间的预测能力,通过调整(增加、删除、改变方向)网络节点间的有向弧,建立用于水质污染评价及预测的贝叶斯网络模型;并在此基础上,利用长江2004.8-2004.12这5个月的水质污染数据,建立了基于贝叶斯网络的水质污染评价及预测模型。4.在网络模型建立的基础上,确定与水质级别有直接关系的水质污染因子;在此基础上,利用实验数据和预测数据,采用建立的贝叶斯网络计算模型公式,分别对长江2005.1-2005.5以及2005.6的水质进行水质级别评价和预测。为了验证贝叶斯网络评价方法的有效性,分别采用单因子评价法与模糊综合评价法对同样的数据进行评价和预测,并将其结果与贝叶斯网络的评价及预测结果进行比较,最终以各方法的评价精度来说明贝叶斯网络方法的科学性与有效性。