[发明专利]一种基于人工智能算法的水环境质量评价方法

权利要求书

1.一种基于人工智能算法的水环境质量评价方法，其特征在于，包括如下步骤：

S1、采集目标水质样本，构建水环境评价体系；

S2、基于水环境评价体系，利用量子神经网络和深度信念网络分别构建水环境质量评价模型和水环境质量预测模型；连接所述量子神经网络和所述深度信念网络，将所述深度信念网络的输出作为所述量子神经网络的输入；利用量子神经网络对水质进行评价，同时利用深度信念网络对水质进行预测；

S3、将水质样本导入优化之后的水环境质量评价模型中，利用改进粒子群算法对量子神经网络模型进行优化训练，同时利用布谷鸟算法对深度信念网络进行优化训练，具体而言，所述利用改进粒子群算法对模型进行优化训练的方法为：

S311、初始化粒子群中目标水质样本参数以及目标水质样本的历史参数并增大惯性权重；

S312、计算目标水质样本参数以及目标水质样本的适应度值，更新粒子的速度和位置；

S313、根据设定规则，判断粒子是否陷入局部最优解，若是则返回步骤S311，继续增大其惯性权重；若粒子没陷入局部最优解，则线性衰减其惯性权重；

S314、判定衰减之后的粒子是否达到最大迭代数，若是则得出最优神经网络差参数；若没有则返回步骤S312重新计算粒子的适应度值；

S315、判断最优网络参数是否到达最小误差精度，若是则输出优化模型结果；若没有，则返回步骤S311重新初始化粒子群算法参数；

S4、将待测样本分别输入到训练好的模型中，利用优化后的量子神经网络对水质进行评价，同时利用优化后的深度信念网络对水质进行预测。

2.根据权利要求1所述的一种基于人工智能算法的水环境质量评价方法，其特征在于，所述所述构建水环境评价体系的方法为：

S11、根据所获取的目标水质样本，确定水质标准数据的评价指标；

S12、获取目标水质样本区域内的水质时间序列数据和天气数据，作为目标水质样本的历史数据，并对所述历史数据进行归一化；

S13、将步骤S12中归一化后的历史数据划分为训练集和测试集合，根据训练集的历史数据训练所述水环境质量评价模型，并根据测试集数据获取所述水环境质量预测模型的基础参数；

S14、根据S1中的评价指标，将目标水质样本进行分类，得到水环境评价体系。

3.根据权利要求2所述的一种基于人工智能算法的水环境质量评价方法，其特征在于，所述利用量子神经网络构建水环境质量评价模型的方法为：

S21、基于水环境评价体系，初始化量子神经网络和粒子群参数，输入目标水质样本以及目标水质样本的历史数据；

S22、基于初始化的量子神经网络和粒子群参数，使用一个或多个中间量子神经网络层计算目标水质样本，结合目标水质样本的历史数据，按顺序将所述中间量子神经网络中的粒子参数进行多个逻辑门运算；

S23、利用全局最优解输出水环境质量模型的最优参数，利用最优参数对水环境质量进行评价。

4.根据权利要求1所述的一种基于人工智能算法的水环境质量评价方法，其特征在于：所述S313中设定规则为：

粒子速度为0的数据保持不变；

随机选择粒子速度为1与-1的元素不变，其余1和-1的元素均置零，使粒子在全局范围内自行搜索求解，直至收敛。

5.根据权利要求4所述的一种基于人工智能算法的水环境质量评价方法，其特征在于：所述利用深度信念网络构建水环境质量评价模型的方法为：

S221、基于水环境质量体系，定义深度信念网络的网络参数；

S222、利用对比散度和布谷鸟算法对深度信念网络进行训练，寻找全局最优权值并进行逐层判定；

S223、建立预测模型，利用反向传播算法对深度信念网络进行微调。