一種基于som分類技術(shù)的河口流域水環(huán)境質(zhì)量評價方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及河口水環(huán)境質(zhì)量評價方法，屬于水環(huán)境水質(zhì)分類評價技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 在水質(zhì)量評價中，最重要也最難處理的是水的物理、化學(xué)、生物等特征分析。目 前國內(nèi)的常用的方法有分級加權(quán)平均法、模糊數(shù)學(xué)法、灰色系統(tǒng)理論方法、主成分分析 法等，這些方法都是基于一定的數(shù)學(xué)基礎(chǔ)和理論依據(jù)，其結(jié)果也大都是以數(shù)字的形式給 出。如果想要以可視化的方法將結(jié)果直觀的顯示出來就要借助其他的軟件工具，如GIS、 PowerBuilder等，并且需要在應(yīng)用前先將結(jié)果或部分結(jié)果計算出來再導(dǎo)入該軟件中進(jìn)行可 視化，步驟較多，而且往往不便于一個較大的區(qū)域的水質(zhì)評價，因為評價區(qū)域越大，水質(zhì)情 況越復(fù)雜，需要設(shè)置的采樣站點和采樣的項目也越多。此外，上述方法分析的主觀性強(qiáng)，定 量化程度不高，結(jié)果精度嚴(yán)重依賴于研究者的經(jīng)驗?zāi)芰?，且對?shù)據(jù)深層次的挖掘不夠。
[0003] 在神經(jīng)網(wǎng)絡(luò)中，SOM網(wǎng)絡(luò)全稱自組織特征映射網(wǎng)絡(luò)（self-organizing feature map)，是由芬蘭赫爾辛基大學(xué)神經(jīng)網(wǎng)絡(luò)專家Kohonen教授在1981年提出。他認(rèn)為當(dāng)一個神 經(jīng)網(wǎng)絡(luò)接受外界輸入模式時將會自動分為不同的對應(yīng)區(qū)域，而各區(qū)域?qū)斎肽Ｊ揭捕加懈?自不同的響應(yīng)特征，這就是SOM網(wǎng)絡(luò)的建立基礎(chǔ)。
[0004] SOM算法是一種無導(dǎo)師聚類法，在沒有指引示范的情況下，它能將任意維輸入模式 (矢量）在輸出層映射成一維或者二維的離散圖，并保持其拓?fù)浣Y(jié)構(gòu)不變。再通過對輸入模 式的反復(fù)學(xué)習(xí)，可以使連接權(quán)值空間分布密度與輸入模式的概率分布趨于一致，從而反應(yīng) 輸入模式的統(tǒng)計特征。它具有自穩(wěn)定性，無需外界給出評價函數(shù)，能夠識別向量空間中最有 意義的特征，抗噪音能力強(qiáng)。SOM網(wǎng)絡(luò)作為一種競爭型神經(jīng)網(wǎng)絡(luò)，主要特點為：處理的數(shù)據(jù) 量大、復(fù)雜數(shù)據(jù)的降維簡化、拓?fù)溆行?、?shù)據(jù)的分類、可視化的結(jié)果顯示、過程的可控制性。
[0005] SOM網(wǎng)絡(luò)自誕生以來，已經(jīng)得到了大量的應(yīng)用，應(yīng)用SOM分類方法可以有助于城市 功能人口分類，也可以提高遙感影像的分類解譯精度和高光譜影像混合像元的分解精度。 由于SOM較高的分類精度，其技術(shù)方法已經(jīng)逐漸引入對環(huán)境質(zhì)量的評價中。SOM具有的一 種以拓?fù)溆行虻姆绞綄⑷我饩S輸入模式變換為一維或者二維特征映射的特點，這在水質(zhì)分 析中具有一定的優(yōu)勢，加上MTLAB軟件的SOM工具箱的應(yīng)用，其過程更為方面，結(jié)果更為直 觀，因而在水環(huán)境評價中也得到了不錯的應(yīng)用。
[0006] 但應(yīng)當(dāng)指出，目前國內(nèi)在對河口濕地水生態(tài)環(huán)境研究中，尚未有將SOM神經(jīng)網(wǎng)絡(luò) 模型與GIS進(jìn)行系統(tǒng)級別的無縫集成，生成具有生態(tài)環(huán)境智能評價、并能將成果快速以電 子地圖方式顯示和輸出等功能的實用電子自動化系統(tǒng)出現(xiàn)。

【發(fā)明內(nèi)容】

[0007] 針對上述問題，本發(fā)明提供了一種基于SOM算法集成GIS技術(shù)的流域水環(huán)境質(zhì)量 評價系統(tǒng)的構(gòu)建方法，其是通過開發(fā)平臺搭建系統(tǒng)基本框架，集成GIS處理地理信息的功 能，模塊化SOM分類技術(shù)，提高水質(zhì)分類評價精度，實現(xiàn)對水環(huán)境信息快速處理、評價和地 圖可視化并輸出的功能，為水質(zhì)評價提供科學(xué)依據(jù)。
[0008] 為達(dá)到上述目的，本發(fā)明采取的具體技術(shù)方案為：
[0009] -種基于SOM分類技術(shù)的河口流域水環(huán)境質(zhì)量評價方法，其特征在于，包括以下 步驟：
[0010] 步驟一、利用數(shù)據(jù)采集設(shè)備收集河口流域水質(zhì)數(shù)據(jù)，并獲取相應(yīng)河口流域的空間 地理數(shù)據(jù)；
[0011] 步驟二、對上述獲取的水質(zhì)數(shù)據(jù)和相應(yīng)的空間地理數(shù)據(jù)進(jìn)行預(yù)處理，編制為數(shù)據(jù) 表格，該數(shù)據(jù)表格包括站位的點號和對應(yīng)的經(jīng)煒度數(shù)據(jù)；
[0012] 步驟三、利用圖像處理模塊對步驟一中所述的地理圖層做顏色修飾和疊放順序調(diào) 整，形成水質(zhì)分析底圖，再通過數(shù)據(jù)處理模塊導(dǎo)入步驟二中所述的數(shù)據(jù)表格，根據(jù)站位的經(jīng) 煒度數(shù)據(jù)將水質(zhì)數(shù)據(jù)生成為點數(shù)據(jù)圖層；
[0013] 步驟四、利用SOM分類功能對步驟一中所述的水質(zhì)數(shù)據(jù)進(jìn)行計算分類，具體計算 過程為：
[0014] (1)將每個站位點的指標(biāo)數(shù)據(jù)存入數(shù)組，使樣本數(shù)據(jù)轉(zhuǎn)換為樣本向量，設(shè)樣本數(shù)量 為m，樣本指標(biāo)數(shù)為n，即樣本向量為η維，轉(zhuǎn)換公式如下：
[0015] Xi= (x n, xi2, . . . , xin)T, i = I, 2, . . . , m (1)
[0016] (2)用計算機(jī)隨機(jī)生成初始權(quán)值矩陣W，設(shè)分類類別為s :
[0017] Wi= (x n, xi2, . . . , xin)τ, i = I, 2, . . . , s (2)
[0018] (3)根據(jù)公式（3)對樣本向量和每一個權(quán)值向量進(jìn)行歸一化處理，得到結(jié)果￥和 Wi-,
[0022] (4)對于樣本向量X1，計算其與每一個權(quán)值矩陣的歐式距離d，公式如下：
[0024] (5)在得到與向量距離最短的權(quán)值矩陣后，取其編號為a，利用墨西哥草帽函數(shù)對 所有權(quán)值矩陣進(jìn)行調(diào)整：
[0026] 并隨之根據(jù)訓(xùn)練次數(shù)t調(diào)整訓(xùn)練速率speed與訓(xùn)練半徑radius : CN 105184370 A ^ ΗΠ T> 3/6 貞
[0028] (6)計算樣本向量與調(diào)整后的權(quán)值矩陣之間的歐式距離，將與之距離最短的權(quán)值 矩陣的編號賦予樣本向量，成為其分類類別；
[0029] 步驟五、將步驟四得到的分類結(jié)果以表格形式導(dǎo)出，生成新數(shù)據(jù)，即分類數(shù)據(jù)；
[0030] 步驟六、利用數(shù)據(jù)處理模塊，根據(jù)分類數(shù)據(jù)的經(jīng)煒度生成分類數(shù)據(jù)圖層；
[0031] 步驟七、將步驟六中得到的分類數(shù)據(jù)圖層進(jìn)行反距離權(quán)重插值分析，生成插值圖 層；
[0032] 步驟八、將插值圖層和底圖進(jìn)行調(diào)整，并進(jìn)行比例、大小、方向修飾，得到水質(zhì)分布 圖，最后導(dǎo)出該圖片即可。
[0033] 步驟二中所述的數(shù)據(jù)表格為Excel表格。
[0034] 步驟三中對地理圖層做顏色修飾和疊放順序調(diào)整，具體是針對河流模塊設(shè)置顏色 和線型，以及修改圖層的上下疊放順序。
[0035] 在操作步驟四時，如果有標(biāo)準(zhǔn)參照數(shù)據(jù)，首先對標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行如步驟四中前5步 的操作，然后計算調(diào)整后的權(quán)值向量與各標(biāo)準(zhǔn)向量之間的歐式距離，獲取距離最短的標(biāo)準(zhǔn) 向量的級別號為其分類級別，最后進(jìn)行第6步操作。
[0036] 在步驟四中，在樣本數(shù)據(jù)分類結(jié)束后，首先對單組數(shù)據(jù)進(jìn)行分類，先將單組的數(shù)據(jù) 轉(zhuǎn)換為向量，根據(jù)樣本數(shù)據(jù)計算分類的結(jié)果，計算單組向量和權(quán)值矩陣的歐式距離，將距離 最短的權(quán)值向量編號賦予樣本向量，即單組向量的分類類別。
[0037] 本發(fā)明的有益效果為：本發(fā)明基于SOM神經(jīng)網(wǎng)絡(luò)分類算法，SOM網(wǎng)絡(luò)無需外界給出 評價函數(shù)，能夠根據(jù)數(shù)據(jù)自身特征進(jìn)行分類，具有自穩(wěn)定性、處理的數(shù)據(jù)量大、拓?fù)溆行虻?特點，將其應(yīng)用在水質(zhì)評價中可以提高分類精度；根據(jù)是否有標(biāo)準(zhǔn)對照數(shù)據(jù)，又將SOM分類 功能分為了兩種方式，可以滿足實際使用中的不同需求；本發(fā)明將SOM算法與GIS功能集成 到了一個系統(tǒng)中，形成了一個完整的實用自動化評價系統(tǒng)；本發(fā)明實現(xiàn)了水質(zhì)數(shù)據(jù)評價與 可視化的有機(jī)統(tǒng)一，能夠直接快速地將數(shù)據(jù)分析并實現(xiàn)結(jié)果可視化，應(yīng)用范圍更具有普遍 性，更為簡便地對水質(zhì)特征進(jìn)行分析和可視化，并且使分析的結(jié)果與實際情況更為接近，極 大地提高了分析精度。
【附圖說明】
[0038] 圖1為本發(fā)明的總流程圖。
【具體實施方式】
[0039] 如圖1所示，本發(fā)明包括以下步驟：
[0040] 步驟一、利用數(shù)據(jù)采集設(shè)備收集河口流域水質(zhì)數(shù)據(jù)，并獲取相應(yīng)河口流域的空間 地理數(shù)據(jù)；
[0041] 步驟二、對上述獲取的水質(zhì)數(shù)據(jù)和相應(yīng)的空間地理數(shù)據(jù)進(jìn)行預(yù)處理，編制為數(shù)據(jù) 表格，該數(shù)據(jù)表格包括站位的點號和對應(yīng)的經(jīng)煒度數(shù)據(jù)；
[0042] 步驟三、利用圖像處理模塊對步驟一中所述的地理圖層做顏色修飾和疊放順序調(diào) 整，形成水質(zhì)分析底圖，再通過數(shù)據(jù)處理模塊導(dǎo)入步驟二中所述的數(shù)據(jù)表格，根據(jù)站位的經(jīng) 煒度數(shù)據(jù)將水質(zhì)數(shù)據(jù)生成為點數(shù)據(jù)圖層；
[0043] 步驟四、利用SOM分類功能對步驟一中所述的水質(zhì)數(shù)據(jù)進(jìn)行計算分類，具體計算 過程為：
[0044] (1)將每個站位點的指標(biāo)數(shù)據(jù)存入數(shù)組，使樣本數(shù)據(jù)轉(zhuǎn)換為樣本向量，設(shè)樣本數(shù)量 為m，樣本指標(biāo)數(shù)為n，即樣本向量為η維，轉(zhuǎn)換公式如下：
[0045] Xi= (x n, xi2, . . . , xin)T, i = I, 2, .