人民黄河

作者：项新建;颜超龙;费正顺;郑永平;李可晗

单位：（浙江科技学院 自动化与电气工程学院，浙江 杭州 310000）

关键词：水质分类;多分类器;神经网络;证据理论融合

针对单分类器对不同水质类别识别不均衡、水质分类准确率较低、适应性较差的问题，提出一种基于多分类器和证据理论融合的水质分类方法。选取深度神经网络分类器、改进支持向量机分类器和贝叶斯分类器3种分类器，通过全概率公式构建信度函数，基于证据理论对信度函数进行融合，获得多分类器融合模型。从国家地表水水质自动站发布的2022年3月1—22日水质数据中选取3 558条数据为样本集，采用DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型和多分类器融合模型对待测样本进行测试。结果表明：多分类器融合模型对水质类别判定的平均准确率、精确率、召回率和F1值分别为94.2%、93.8%、94.2%和94.0%。相较于DNN水质分类模型、PSO-SVM水质分类模型、贝叶斯水质分类模型，多分类器融合模型准确率分别提高5.6%、9.8%和13.6%，精确率分别提高5.2%、10.0%和10.9%，召回率分别提高5.6%、9.8%和13.6%，F1值分别提高5.4%、10.2%和12.3%，多分类器融合模型在水质分类方面的准确性和适应性更高。

来源：2024年第1期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第1期