文件名称：自编码器在水质监测点位优化中的应用
文件大小：1.64MB
文件格式：PDF
更新时间：2024-05-26 05:38:48
水质监测 点位优化 降维 Auto-encoder神经网络 聚类分析
水是我们人类赖以生存的必要元素之一, 水质的监测结果是进行水质量控制的依据. 在一个区域或者流域内就有很多水质监测点位, 随着人口增长、工业发展、土壤变更, 整个流域发生了很大的改变. 原来的点位就存在误选或者偏多、重复性的问题, 就需要采取一些措施, 尽量用少的点位全面的表现水质的分布, 节约人力, 物力. 为了解决这一问题, 本文所提出了一种将auto-encoder神经网络结合系统聚类的方法, 用auto-encoder对输入的样本进行特征选取, 将特征降维后而重新生成的新样本进行聚类, 达到了水质监测点位优化的目的. 实验表明, 相比于单独使用模糊聚类方法, 而不进行特征降维的方法, 此方法有一定的效果.