[發明專利]一種基于新型BP神經網絡建模的沼氣生產過程的預測方法

在審

• 申請號: 201811040339.9
• 申請日: 2018-09-04
• 公開（公告）號: CN109215743A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 鮑敏;楊世品;李麗娟
• 申請（專利權）人: 南京工業大學
• 主分類號: G16C20/10
• 分類號: G16C20/10;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于新型BP神經網絡建模的沼氣生產過程的預測方法，其特征包括如下步驟：

1)通過現場原料的種類即不同配比形成n組不同的測試組，同時將其置于相同的環境溫度下，以指定天數的甲烷產氣各自累計產氣量結合原始的原料配比，形成采樣數據，將采集到的數據存儲到數據表中，對于每一組的各種配比輸入以及其輸出的產氣結果，結合初始的非精確的訓練預測模型，將新型雙曲線正切函數作為目標函數(其中新型雙曲線正切函數是本專利要保護的核心)；

2)對輸出結果做數據預處理，在數據預處理(標準化，公式如下)后，將數據分成兩部分，分別用來訓練和預測。標準化方法為將原始數據y通過標準化成y′：

其中μ為均值，σ為標準差。標準化得到的結果是所有數據都聚集在0附近，方差為1；

3)其中第一部分進行新型BP神經網絡的訓練，獲得新型BP神經網絡模型參數和輸入層和隱含層之間的連接權重w_ij、隱含層和輸出層之間的連接權重w_jk；

4)利用步驟3)訓練得到新型BP神經網絡算法模型對甲烷產氣過程進行預測，獲得預測結果并且與第二部分的實驗輸出結果進行對比；

5)經過離散的輸入測試后的新型BP神經網絡模型，可以運用到實際生產過程中。當新的原料配比出現的時候，將數據輸入測試驗證后的新型BP神經網絡可以很快的獲取輸出沼氣累計量，從而可以提高沼氣企業的經濟效益。

2.根據權利要求1所述的一種基于新型BP神經網絡建模的沼氣生產過程預測方法，其特征在于：所述步驟1)中，采集的數據為n個輸入和n個輸出，n個輸入的比例之和為1，輸出沼氣累計量的值進行數據的預處理(標準化)，目標函數為：

式中，

①x₁，x₂，x₃，...，x_n分別對應于n個輸入，Y是指定天數的輸出沼氣累計產量或者是沼氣性能指標。

②BP神經網絡的功能函數較目前的研究多用Sigmoid函數極少數選用雙曲正切函數相比兩個函數可知，S型函數只能取正值，雙曲正切可正可負；在-1＜x＜1范圍內，雙曲正切函數的導函數比Sigmoid函數的導函數變化速度快，誤差校正較大，從而加速了神經網絡的收斂。

③雖然傳統的雙曲正切函數可改善了BP神經網絡的收斂速度慢的缺陷，但是BP神經網絡中所需數據量大和精度低的缺陷還未得到解決，所以在本發明中，提出了一種新型雙曲線正切函數f(x)＝a*tanh(x)(其中a為自由賦值的參數，通常0＜a＜1)，它是在雙曲線正切函數的基礎上改進的，通過實例已經驗證新型的雙曲正切函數可以改善上述缺陷(圖3)。因此即使我們在僅有少量數據的時候，也可以通過新型BP神經網絡做出精準的預測。在獲得不同原料的配比的情況下，可以很快的預測出比較精確的沼氣累計產氣量。由于新型雙曲線正切函數的出現，可實現相同原料種類下不同配比的沼氣企業效益提前精確預測，提高眾多沼氣企業的經濟效益。

針對不同的反應測試組裝置，氣體的累計產氣量的測量也可以用封閉反應器的最終氣相壓強來折算，有氣體流量計的則可以直接測量所得，或者使用其他方法測得不同測試組的產氣體積，如排水法等。

3.根據權利要求1或2所述的一種基于新型BP神經網絡建模的沼氣生產過程預測方法，其特征在于：所述步驟2)中，將數據分為兩部分，其中C％(一般C大于80)的數據組用來訓練結構化的新型BP神經網絡模型，剩下的數據用來驗證BP神經網絡的預測。