[发明专利]一种基于连续时间神经动力学网络的水质评价方法

权利要求书

1.一种基于连续时间神经动力学网络的水质评价方法，其特征在于所述水质评价方法包括如下步骤：

步骤一、结合水质评价问题和给定的置信水平λ，确定模糊机会约束规划问题的目标函数及约束条件，构建模糊机会约束规划问题：

min f(x)

h(x)≤0

其中，x为n维实向量，f(x)为单值目标函数，为一般的模糊事件，h(x)为可能存在的某种其它约束条件；

步骤二、确定模糊机会约束规划问题的等价优化问题：

其中，rⁱ(x)(i＝1,2,3,4)为梯形模糊数对应的第i个分量，下标i,j,k分别对应可能性、必要性、可信性测度约束，且i＝1,2,...,p，j＝p+1,p+2,...,p+q，k＝p+q+1,p+q+2,...,l；

步骤三、构建求解等价优化问题的具有连续时间的神经动力学网络：

其中，d＝l+α，

步骤四、给定变量的初始状态根据步骤三构建的神经动力学网络运行电路，电路运行至平衡状态可得到原问题的最优解，即可得到用于水质评价的最优超平面方程H(s)＝x₁·s+x₂，最后代入测试数据，根据超平面方程输出水质评价的结果。

2.根据权利要求1所述的基于连续时间神经动力学网络的水质评价方法，其特征在于所述步骤一中，f(x)为凸函数，在水质问题中，f(x)为体现超平面的间隔。

3.根据权利要求1所述的基于连续时间神经动力学网络的水质评价方法，其特征在于所述步骤一中，在水质问题中，为表示使用系数为x＝(x₁,x₂)^T的超平面划分样本s_m属于模糊等级的事件，其中x₁、x₂分别表示超平面的线性系数项及平移项。

4.根据权利要求1所述的基于连续时间神经动力学网络的水质评价方法，其特征在于所述步骤二中，在考虑可信性测度时，根据置信水平的不同，k进一步分为其中：

5.根据权利要求1所述的基于连续时间神经动力学网络的水质评价方法，其特征在于所述步骤三中，若设微分包含y(0)＝y₀且0∈F(y^*)，则称y^*为该微分包含的平衡点。