[發明專利]一種基于CCRAESSOR理論的室內空氣質量苯的混沌相空間神經網絡模型安全監測方法

在審

• 申請號: 201810341850.6
• 申請日: 2018-04-17
• 公開（公告）號: CN110390411A
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 黃正文;曾永剛;劉利紅
• 申請（專利權）人: 成都大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明一種基于CCRAESSOR理論的室內空氣質量苯的混沌相空間神經網絡模型安全監測方法，涉及大氣污染物監測預警領域，尤其是涉及一種有機廢氣苯的預測方法及系統，屬于物理方法的分析類(B01D)。其特征在于所述方法依序包括的具體步驟為：(1)采集室內空氣質量苯系統日負荷數據構成日負荷時間序列；(2)計算日負荷序列的飽和關聯維數，從而證明序列的混沌特性；(3)求取成都市室內空氣質量苯日負荷的自相關函數；(4)建立室內空氣質量苯混沌時間序列的多維相空間，構成學習樣本和教師值；(5)確定神經網絡結構；(6)數據的歸一化處理；(7)網絡的學習；(8)預測模型；(9)實際輸出日負荷數據用變換式進行還原。

(一)技術領域：本發明一種基于CCRAESSOR理論的室內空氣質量苯的混沌相空間神經網絡模型安全監測方法，涉及大氣污染物監測預警領域，尤其是涉及一種苯的預測方法及系統，屬于物理方法的分析類(B01D)。

(二)背景技術：室內空氣污染是有害的化學性因子、物理性因子和(或)生物性因子進入室內空氣中并已達到對人體身心健康產生直接或間接、近期或遠期或者潛在有害影響的程度的狀況。室內空氣污染的有害物主要包括甲醛、苯、甲苯、二甲苯、氨、放射性氡等。隨著室內空氣污染程度加劇，人體會產生亞健康反應甚至威脅到生命安全。本發明擬基于混沌相空間神經網絡模型研究，開展對室內空氣質量苯的安全監測，圍繞Chaos theory(混沌理論)-Coupling system(耦合系統)-Response mechanism(響應機制)-ABC(科學假說)-Early warning system(預警體系)-Severe haze(重度灰霾)-cl imate effects(氣候效應)-pollution characteristics(污染特征)-Research(考證研究)等關鍵因子或邏輯線索(以下簡稱“CCRAESSOR”科學假說或理論)，提出一種基于CCRAESSOR理論的室內空氣質量苯的混沌相空間神經網絡模型安全監測方法。

(三)發明內容：本發明提出的一種基于CCRAESSOR理論的室內空氣質量苯的混沌相空間神經網絡模型安全監測方法，以室內空氣質量苯為研究對象，科學假設隨著室內空氣污染程度加劇，污染因子宏觀時空尺度上呈現復雜的非線性混沌特征，其技術方案如下：

1.采集室內空氣質量苯系統日負荷數據構成日負荷時間序列；

2.計算日負荷序列的飽和關聯維數，從而證明序列的混沌特性；

3.求取成都市室內空氣質量苯日負荷的自相關函數；

4.建立室內空氣質量苯混沌時間序列的多維相空間，構成學習樣本和教師值；

用自相關函數法確定最佳延遲時間τ，用飽和關聯維數法確定最佳嵌入維數m，重構系統的相空間：

其中N＝n-(m-1)*τ為向量序列的長度。

5.確定神經網絡結構。由網絡的輸入層維數為m，即混沌相空間的嵌入維數，輸出維數為一維(即預測的輸出)，隱層單元維數由試錯法在網絡訓練學習中來確定；

6.數據的歸一化處理。對所有的樣本值、教師值和輸出值用統一的歸一化方法，用變換

將負荷換算為[0，1]區間的值；

7.網絡的學習。混沌相空間中的任意兩個相點Y(t_i)和Y(t_i+T)(其中T為預見期)，它們在相空間中的非線性演化函數關系f：Y(t_i+T)＝f(Y(t_i))，由人工神經網絡來擬合。雖然預測輸出點Y(t_i+T)為m維矢量，但實際上前(m-1)維是已知量，為簡單起見取網絡的輸出為Y(t_i+T)的第m個分量；

對任意一個非線性單元的神經元j，其輸入輸出關系有：