CN106991491-CN201710091916-一种基于遗传算法优化的RBF神经网络的环境污染监测系统.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106991491 A (43)申请公布日 2017.07.28 (21)申请号 201710091916.6 (22)申请日 2017.02.21 (71)申请人 南京邮电大学 地址 210003 江苏省南京市鼓楼区新模范 马路66号 (72)发明人 黄鸿基　王金元　周行洲　项彤　 吴浩　张雨　王永进　 (74)专利代理机构 南京知识律师事务所 32207 代理人 李湘群 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2006.01) G06N 3/04(2006.01) G06N 3/12(2006.01) G06Q 10/06(2012.01) 权利要求书2页 说明书6页 附图1页 (54)发明名称 一种基于遗传算法优化的RBF神经网络的环 境污染监测系统 (57)摘要 本发明公开了一种基于遗传算法优化的RBF 神经网络的环境污染监测系统，该系统包括信号 输入模块、信号处理模块、计算机云端服务器处 理模块、数据库、报警模块和污染指标显示模块， 可见光信号通过信号输入模块输入后，由信号处 理模块依次经过模-数转换、数字信号处理和数- 模转换后，将信号输入计算机云端服务器处理模 块，并将污染指标通过污染指标显示模块显示出 来，若超过设定的阈值，报警模块将会报警，从信 号输入到信号输出整个过程的数据都存储在数 据库中。本发明中，系统不需要专门的网络环境 A 和硬件设备，节约成本，适应性强。系统还具有对 1 环境污染进行监测的功能，并可实现对多种污染 9 4 1 指标进行的实时准确监测，功能强大。 9 9 6 0 1 N C CN 106991491 A 权　利　要　求　书 1/2 页 1.一种基于遗传算法优化的RBF神经网络的环境污染监测系统，其特征在于该系统包 括信号输入模块、信号处理模块、计算机云端服务器处理模块、数据库、报警模块和污染指 标显示模块，可见光信号通过信号输入模块输入后，由信号处理模块依次经过模-数转换、 数字信号处理和数-模转换后，将信号输入计算机云端服务器处理模块，并将污染指标通过 污染指标显示模块显示出来，若超过设定的阈值，报警模块将会报警，从信号输入到信号输 出整个过程的数据都存储在数据库中。 2.根据权利要求1所述的基于遗传算法优化的RBF神经网络的环境污染监测系统，其特 征在于所述系统将污染物和信号的数据输入到神经网络系统进行学习和训练，当监测系统 训练的程度达到设定的监测精度要求时，该系统与计算机云端服务器处理模块进行连接， 形成一套完整的环境污染监测系统。 3.根据权利要求2所述的基于遗传算法优化的RBF神经网络的环境污染监测系统，其特 征在于所述神经网络为RBF神经网络，神经网络中对各项指标所占的权重运用径向函数进 行合理的分配，实现对整体环境指标进行有效监测。 4.根据权利要求3所述的基于遗传算法优化的RBF神经网络的环境污染监测系统，其特 征在于所述神经网络的前馈系统采用Bayesian决策方法进行训练，训练的过程如下： Step  1.定义RBF神经网络总共有三层，根据国家相关环境标准对各种不同污染物的区 分和严重程度的划分，并把经过统计Bayesian决策方法训练前馈网络训练的number种指标 通过径向函数确定它们各自所占的权重； Step 2.对于确定了权重的各项指标，考虑到RBF神经网络存在着收敛慢、难以得到全