基于模糊聚類與BP神經網絡的環(huán)境污染源數據的異常檢測研究.pdf

1、隨著我國社會生產力與經濟建設的快速發(fā)展，環(huán)境污染問題也日益突出，提高污染源監(jiān)測效率對環(huán)境監(jiān)督管理具有重要意義。2015年，寧夏回族自治區(qū)環(huán)境保護廳召開專題會議，研究部署環(huán)境監(jiān)察、監(jiān)測、自動監(jiān)控聯(lián)合執(zhí)法事項。目前，環(huán)境監(jiān)管部門監(jiān)測范圍廣、監(jiān)測數據量大，而檢測技術仍然是簡單的數學計算或人工審核，無法滿足環(huán)境監(jiān)管部門對真實環(huán)境的判斷與管理。本課題依托寧夏回族自治區(qū)環(huán)境保護科學技術研究項目《污染源智能數據審核與現場信息管理系統(tǒng)開發(fā)研究》，提出基

2、于模糊聚類與BP神經網絡的環(huán)境污染源數據的異常檢測研究，將數據挖掘技術應用到環(huán)境監(jiān)測中，對環(huán)境監(jiān)管系統(tǒng)智能化建設具有重要意義。本文主要研究內容:
　　(1)研究基于FCM算法的污染源監(jiān)測數據異常檢測。利用隸屬度確定數據點之間相關特性對數據劃分聚類，實現環(huán)境污染源數據的異常檢測，幫助提高寧夏環(huán)境污染處理效率。
　　(2)研究基于BP神經網絡算法的污染源數據異常值修正。利用BP神經網絡強大的非線性擬合能力，實現對異常數據的修正。

3、為環(huán)保部門進行總量考核、監(jiān)督管理工作提供監(jiān)測數據異常程度的參考依據。
　　(3)研究基于FCM與BP神經網絡結合的污染源異常值修正的改進算法，并采用“F型讀取法來提高輸入樣本質量，改善異常值修正效果。解決了傳統(tǒng)BP神經網絡算法容易陷入局部極小點、收斂速度慢且樣本依賴性強的問題。
　　本文研究了基于模糊聚類與BP神經網絡的環(huán)境污染源數據的異常檢測和異常值修正。并提出基于FCM與BP神經網絡結合的污染源異常值修正的改進算法。利用