多源监测数据信息融合处理方法

摘要

本发明是多源监测数据信息融合处理方法，具体的实施步骤依次分为：选择信息融合处理的水环境监测数据，依据表1，选取合适水环境监测数据作为融合数据；确定证据理论中的辨识框架。辨识框架基数最多五类；确定基本可信度分配函数值0～1；监测数据融合处理的过程分为两类证据和多类证据的融合；类别判定规则：判定的水环境类型应具有最大的基本概率分配值；判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值；不确定性基本概率分配值m(Θ)小于0.35阈值；判定的水环境类型基本概率分配值m(A)大于不确定性基本概率分配值m(Θ)。优点：具有对不确定性信息的表示比较容易，以及不确定性信息转化证据，进行融合，其过程简单明了等。

主权项

1、多源监测数据信息融合处理方法，其特征是方法步骤依次分为：(一)选择信息融合处理的水环境监测数据，依据需要及区域水质特点，选取合适水环境监测数据作为融合数据；(二)确定证据理论中的辨识框架，基于区域水质历史状况及变化规律和地面水域使用的目的和保护目标，确定证据理论中的辨识框架，辨识框架基数不应超过五个，将其划分为I，II，III，IV，V五类；(三)取基本可信度分配函数值为0～1；(四)监测数据信息融合处理，信息融合处理过程分为二步：(A’)两类证据的融合，对两类证据在相同辨识框架2^Θ上的基本可信度分配函数分别为m₁和m₂，其核分别为{A₁，A₂，Λ，A_n}和{B₁，B₂，Λ，B_n}，I)若 $k=\underset{i=j,A_{i}I{B}_j=\Phi }{\Sigma }{m}_1\left(A_i\right)m_2\left(B_j\right)<1,$则，融合后的基本可信度分配函数m：2^Θ→[0，1]对于所有基本概率分配的非空集A，有： $m\left(A\right)=\frac{\underset{i=j,A_{i}I{B}_j=A}{\Sigma }{m}_1\left(A_i\right)m_2\left(B_j\right)}{1-k}$II)若 $k=\underset{i=j,A_{i}I{B}_j=\Phi }{\Sigma }{m}_1\left(A_i\right)m_2\left(B_j\right)=1,$则，融合后的基本可信度分配函数m：2^Θ→[0，1]对于所有基本概率分配的非空集A，有： $m\left(A\right)=\underset{B_{i}I{C}_j=A}{\Sigma }{m}_1\left(B_i\right)m_2\left(C_j\right)+\Delta \left(A\right)$其中L(0＜L＜1)表示指派值的限度，k反映了证据冲突的程度，系数1/1-k称为归一化因子，它的作用就是避免在合成时将非0的概率赋给空集Φ，(B’)多类证据的融合，两类证据采用A’步，进行融合处理，融合结果作为新的证据，与在剩余的证据中选一类证据，按A’步进行融合，循环处理，直至全部类别的证据进行融合，得到最终融合结果，在融合完成过程中与次序无关，即满足结合率；(五)类别判定，依据融合后证据的基本概率分配值，其准则：a.判定的水环境类型应具有最大的基本概率分配值；b.判定的水环境类型和其它类型的基本概率分配值之差要大于0.28阈值；c.不确定性基本概率分配值m(Θ)小于0.35阈值；d.判定的水环境类型基本概率分配值m(A)大于不确定性基本概率分配值m(Θ)。