学位论文 > 优秀研究生学位论文题录展示

海洋水质检测系统中多传感器数据融合技术的研究

作　者: 宋秀峰
导　师: 毕卫红
学　校: 燕山大学
专　业: 光学工程
关键词: 水质检测数据融合神经网络 D-S证据理论模糊理论
分类号: X84
类　型: 硕士论文
年　份: 2013年
下　载: 17次
引　用: 0次
阅　读: 论文下载

内容摘要

目前，我国沿海海域水体污染日趋严重，为充分利用海洋资源发展海洋经济，建设海洋强国，国家管理部门近年来重点对海洋水体水质实时检测和海量信息实时处理技术进行重点研究与攻关，以实时获得准确评价海洋水体质量的数据，实现海水水质的实时综合性检测并做出决策，提高对海洋资源综合性利用、海洋污染预警，以及海洋生态环境保护能力。本文的研究内容是对各种海洋水质传感器获得信号进行多传感器数据融合，重点研究其融合算法，并将其应用于水质检测系统，建立了适用于海洋水体水质级别实时检测模型，在已有数据融合的基础上提出一种将模糊神经网络和D-S证据理论相结合的两级融合算法。主要研究内容包括：首先，论述了多传感器数据融合技术的研究现状、存在的问题及发展趋势，并详细地介绍了数据融合的结构及方法。其次，研究了改进BP神经网络在水质检测系统中的应用，分析并获取了影响网络训练速度的各种参数，获得了检测水质的最优神经网络拓扑结构，构造了神经网络模型，通过实时水样的在线分析、训练输出验证了该模型的有效性。再次，设计了基于D-S证据理论的水质检测方案，确定基本概率分配函数的计算方法；通过D-S证据合成规则，验证了多个传感器获得的数据的合成结果较单个传感器获得的数据更符合要求。最后，结合被测海洋水体模糊化的特点以及神经网络与D-S证据理论数据融合技术在水质检测方面的优势，提出将模糊神经网络与D-S证据理论的两级融合算法应用于水质检测系统中，实验验证了融合算法的可行性和有效性，对比了不同融合方法的准确率，指出了模型的不足和改进之处。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-16
  1.1 课题的背景与意义  10-11
  1.2 多传感器数据融合技术的应用与研究现状  11-13
  1.3 多传感器数据融合技术存在的问题与发展趋势  13-14
  1.4 多传感器数据融合技术在水质检测方面的应用  14
  1.5 本文结构安排  14-16
第2章多传感器数据融合技术  16-23
  2.1 多传感器数据融合技术的概述  16
  2.2 数据融合的过程  16-17
  2.3 数据融合的层次结构  17-20
    2.3.1 数据层融合  17-18
    2.3.2 特征层融合  18
    2.3.3 决策层融合  18-19
    2.3.4 三种结构层次的比较  19-20
  2.4 多传感器数据融合技术的融合方法  20-22
    2.4.1 随机类方法  20-21
    2.4.2 人工智能类方法  21-22
  2.5 本章小结  22-23
第3章基于神经网络的数据融合研究  23-43
  3.1 神经网络  23-25
    3.1.1 人工神经网络  23
    3.1.2 神经网络的特点  23-24
    3.1.3 基于神经网络数据融合的方法和特点  24-25
  3.2 BP 神经网络  25-32
    3.2.1 BP 神经网络学习算法及其结构  25-27
    3.2.2 BP 算法的改进  27-31
    3.2.3 BP 神经网络的学习步骤  31-32
  3.3 BP 神经网络在水质检测系统中的设计  32-38
    3.3.1 输入层与输出层的设计  32
    3.3.2 隐含层节点个数的设计  32-34
    3.3.3 水质样本的设置  34-35
    3.3.4 BP 神经网络的设计过程  35-38
  3.4 BP 神经网络的训练方法  38-42
    3.4.1 交叉训练方法  38-39
    3.4.2 基于 BP 神经网络输出判决规则  39
    3.4.3 仿真训练实验  39-42
  3.5 本章小结  42-43
第4章基于 D-S 证据理论的数据融合研究  43-55
  4.1 D-S 证据理论  43-45
    4.1.1 D-S 证据理论的基本概念  43-44
    4.1.2 D-S 证据理论的融合方法  44-45
  4.2 D-S 证据理论的决策规则  45-46
    4.2.1 基于信任函数的决策  45-46
    4.2.2 基于概率赋值的决策  46
  4.3 D-S证据理论在水质检测系统中的设计  46-51
    4.3.1 D-S 证据理论的融合过程  46-47
    4.3.2 基本概率分配函数的获得  47
    4.3.3 隶属度函数  47-48
    4.3.4 具体融合过程及结论  48-51
  4.4 基于D- S证据理论水质检测实验  51-54
  4.5 本章小结  54-55
第5章基于神经网络与 D-S 证据理论的改进型数据融合方法的研究  55-72
  5.1 设计思想  55
  5.2 模糊逻辑与神经网络相结合  55-56
  5.3 模糊神经网络的学习算法  56-61
    5.3.1 基于模糊神经网络的水质检测的学习算法过程  56-59
    5.3.2 高斯隶属度函数的设计  59-60
    5.3.3 归一化函数的设计  60-61
    5.3.4 降半梯形隶属度函数的设计  61
  5.4 两级融合算法  61-62
    5.4.1 两种融合算法的提出  61-62
  5.5 基于模糊神经网络与 D-S 证据理论两级融合方法的设计  62-71
  5.6 本章小结  71-72
结论  72-73
参考文献  73-78
攻读硕士学位期间承担的科研任务与主要成果  78-79
致谢  79-80
作者简介  80

海洋水质检测系统中多传感器数据融合技术的研究

内容摘要

全文目录

相似论文