[發明專利]基于灰色神經網絡組合模型的污水處理出水參數預測方法

在審

• 申請號: 201710159948.5
• 申請日: 2017-03-17
• 公開（公告）號: CN106991493A
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 汪磊;鮑福光;王學成;陳冠宇;琚春華
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 杭州知通專利代理事務所(普通合伙)33221
• 代理人: 姚宇吉

1.一種基于灰色神經網絡組合模型的污水處理出水參數預測方法，其特征在于，包括：

獲取歷史的進水參數數列x(t)并進行累加處理后形成累加數列y(t)；

根據累加數列y(t)建立灰色神經網絡并利用灰色神經網絡對歷史出水參數進行預測；在預測的過程中采用改進的粒子群算法進行灰色神經網絡的優化，優化的步驟如下：

步驟一，初始化改進的粒子群算法內的參數；

步驟二，計算每個離子的粒子的適應度f：

$f=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{m}{\Σ}}|y_{ij}-t_{ij}|---\left(1\right)$

其中，y_ij為測試樣本總群X的預測值；t_ij為測試樣本總群X的真實值；n為測試樣本的個數；m為輸出節點的個數；

步驟三，根據計算的適應度f，找出最小適應度f_min對應的粒子個體X_min，令X^*＝X_min，f^*＝f_min，則X^*為最優粒子，f^*為最優適應度；

步驟四，按照以下公式優化每個粒子的位置X_i和速度V_i；

$v_{id}^{k+1}={\mathrm{\ωv}}_{id}^k+c_1{r}_1(p_{id}^k-x_{id}^k)+c_2{r}_2(g_d^k-x_{id}^k)---\left(2\right)$

$x_{id}^{k+1}=x_{id}^k+v_{id}^{k+1}---\left(3\right)$

樣本種群X＝(X₁，X₂，…，X_n)；其中粒子i的位置信息表示為X_i＝(x_i1，x_i2，…，x_id)^T；速度信息表示為V_i＝(v_i1，v_i2，…，v_id)^T；粒子i的個體極值點為P_i＝(p_i1，p_i2，…，p_id)^T；種群的全局極值點為G＝(g₁，g₂，…，g_d)^T；表示粒子i在第k次迭代第d維的速度；c₁，c₂為加速系數；r₁，r₂為[0,1]之間的隨機數；ω為慣性因子；為第k次迭代第d維的全局極值點；

步驟五，以變異遺傳概率P對粒子X_i的位置進行更新，產生新的粒子X_i′并線性遞減慣性權重，計算新的粒子X_i′的適應度f′；比較f和f′的大小，若f＞f′，則令X_i＝X_i′；

步驟六，對于更新后的種群，找出最小的f_min，及其對應的X_min，若f_min＜f^*，則令X^*＝X_min，否則不進行變換；

步驟七，重復步驟四至步驟六，當迭代次數達到最大值時結束循環，輸出f^*，X^*；把X^*的值賦給參數a，b_i，實現灰色神經網絡的優化；

根據優化后的神經網絡進行當前出水參數的預測；

采用馬爾科夫鏈對計算所得的當前的出水參數進行修正。