[發明專利]基于神經網絡的水處理方法及系統

在審

• 申請號: 201810081711.4
• 申請日: 2018-01-29
• 公開（公告）號: CN108275759A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 竇杰思;田楊
• 申請（專利權）人: 深圳多諾信息科技有限公司
• 主分類號: C02F1/52
• 分類號: C02F1/52
• 代理公司: 深圳市科冠知識產權代理有限公司 44355
• 代理人: 王海駿

1.一種基于神經網絡的水處理方法，其特征在于，所述方法包括如下步驟：

構建BP神經網絡預測模型，所述BP神經網絡預測模型包括：輸入層、隱藏層和輸出層。

將城市水廠真實數據作為訓練數據對該BP神經網絡預測模型執行正向運算以及反向運算得到訓練后的BP神經網絡預測模型；

通過訓練后的BP神經網絡預測模型對水源的水質進行預測處理得到處理方案。

2.根據權利要求1所述的方法，其特征在于，所述構建BP神經網絡預測模型，包括：

通過均方誤差公式計算預測值與真實值之間的誤差，并采用梯度斜率下降算法迭代更新BP神經網絡預測模型各層的權值以及偏置。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

顯示BP神經網絡預測模型與真實數據的擬合程度，并統計模型訓練的相關系數以及誤差與迭代次數的關系。

4.根據權利要求1所述的方法，其特征在于，所述通過訓練后的BP神經網絡預測模型對水源的水質進行預測處理得到處理方案，包括：

通過分布式文件系統HDFS讀取導入的水源的水質數據，將該數值數據采取數據分區策略將輸入訓練數據平均分配到各個運算節點，并在運算節點中執行BP神經網絡訓練程序，通過Reduce操作累加訓練結果更新模型的權值與偏置。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在BP神經網絡訓練算法中通過Widrow方法為連接權值和偏置隨機初始化增加限制以加快收斂速度，在權值更新時引入沖量系數減少抖動次數，并且通過計算誤差平方和的下降速率自適應學習速率。

6.根據權利要求1所述的方法，其特征在于，所述方法在通過訓練后的BP神經網絡預測模型對水源的水質進行預測處理之前還包括：

將天為單位的水廠投藥數據按照小時為單位進行劃分，并通過數據過濾與格式轉換最終生成完整的基于時間序列的混凝投藥數據集，并在此基礎上，對取水量，供水量和混凝劑投藥量等變量進行統一數據去噪，以過濾缺失值與異常值，將處理后的數據作為BP神經網絡訓練算法的輸入數據。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在逆向反饋過程中，通過梯度斜率下降算法更新輸入層與隱藏層的權值和偏置。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

通過YARN管理與統一調度集群資源。

9.一種計算機產品，其特征在于，其存儲用于電子數據交換的計算機程序，其中，所述計算機程序使得計算機執行如權利要求1-8任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，其存儲用于電子數據交換的計算機程序，其中，所述計算機程序使得計算機執行如權利要求1-8任一項所述的方法。