技術(shù)特征：

1.基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，包括以下步驟：

步驟S1，采集待檢測水域的水體表面圖像，從中提取圖像特征參數(shù)，并對各類圖像特征參數(shù)進行歸一化；

步驟S2，基于各類圖像特征參數(shù)進行模糊推理，得到水污染事件類型的初步判斷；

步驟S3，根據(jù)水污染事件類型的初步判斷，調(diào)用相應(yīng)的水質(zhì)傳感器提取水質(zhì)特征參數(shù)，并對各水質(zhì)特征參數(shù)數(shù)值進行歸一化；

步驟S4，以圖像特征參數(shù)和水質(zhì)特征參數(shù)作為輸入層，以水污染事件類型作為輸出層，建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，并利用歷史數(shù)據(jù)樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和學(xué)習(xí)；

步驟S5，將提取的圖像特征參數(shù)以及水質(zhì)特征參數(shù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，并進行識別，計算各特征參數(shù)對應(yīng)的BPA；

步驟S6，運用D-S證據(jù)理論合成規(guī)則將各特征參數(shù)的BPA進行融合，并據(jù)此融合BPA得到最終的水污染類型判斷結(jié)果；

步驟S7，將水污染類型與對應(yīng)的水污染事件處理機制進行模糊匹配，獲得處理預(yù)案。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，設(shè)各類數(shù)據(jù)的采集范圍是x_i～y_i(i＝1,2……N)，則對于數(shù)據(jù)的值z_i，做如下處理，使其歸一化的統(tǒng)一量綱的特征參數(shù)A_i為：

A_i＝1000z_i/(y_i-x_i)。

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，模糊推理采用Mamdani模糊推理法。

4.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，設(shè)各水質(zhì)傳感器儀表測量范圍是a_i～b_i(i為傳感器的編號i＝1,2……K)，則對于該傳感器的測量值c_i，做如下處理，使其歸一化的統(tǒng)一量綱的特征參數(shù)C_i：

C_i＝1000c_i/(a_i-b_i)。

5.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，計算每個特征參數(shù)對應(yīng)BPA_n的公式是：

${\mathrm{BPA}}_n=W_{jn}/\left(\underset{d=1}{\overset{n}{\Σ}}{W}_{jd}\right)$

其中，n指第n個特征參數(shù)，1<n<K+N；W_jn為特征參數(shù)對應(yīng)水污染事件類型的連接權(quán)值。

6.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的水污染事件智能決策方法，其特征是，步驟S5中，得到最終的水污染類型判斷結(jié)果的具體過程為：選擇最終所有BPA中的最大值：

${\mathrm{BPA}}_{MAX}=max\left(m_{A_1}\right(k),m_{A_2}(k),......,m_{A_j}(k\left)\right)$

若BPA_MAX大于等于設(shè)定值，則判斷出水污染的類型為該BPA所對應(yīng)的類型。