[發(fā)明專利]一種基于紫外—可見光吸收光譜的COD在線監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811099382.2
• 申請(qǐng)日: 2018-09-20
• 公開（公告）號(hào): CN109001136B
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 鄒爽;湯杰;鄒曉麗;崔海松;黃升
• 申請(qǐng)（專利權(quán)）人: 杭州綠潔水務(wù)科技股份有限公司
• 主分類號(hào): G01N21/31
• 分類號(hào): G01N21/31
• 代理公司: 中國(guó)商標(biāo)專利事務(wù)所有限公司 11234
• 代理人: 王瑞

1.一種基于紫外—可見光吸收光譜的COD在線監(jiān)測(cè)方法，其特征在于，包括以下步驟：

進(jìn)行零點(diǎn)校準(zhǔn)，采用純水作為零點(diǎn)校準(zhǔn)液進(jìn)行紫外全波長(zhǎng)掃描；

取多個(gè)不同類型水樣，提取水樣在紫外波段的特征吸收波長(zhǎng)；

建立紫外吸收光譜與COD之間的BP神經(jīng)網(wǎng)絡(luò)模型；

對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)際水樣的訓(xùn)練，以不同時(shí)刻、不同類型水質(zhì)的實(shí)際水樣作為網(wǎng)絡(luò)訓(xùn)練樣本，通過(guò)以BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行光譜法的檢測(cè)，同時(shí)采用國(guó)標(biāo)法檢測(cè)同一時(shí)間的水樣，把光譜檢測(cè)的實(shí)際COD值與正確的目標(biāo)值相比較，根據(jù)誤差的情況修改各節(jié)點(diǎn)的連接權(quán)重，通過(guò)反向傳播的方式使模型不斷朝著誤差減小的方向變化，最終光譜法檢測(cè)的COD值與國(guó)標(biāo)法COD值的偏差在檢測(cè)要求的范圍內(nèi)，而且無(wú)限接近，使得神經(jīng)網(wǎng)絡(luò)運(yùn)算法建立的模型更加精確；

反向傳播步驟是對(duì)樣本t次訓(xùn)練后輸出COD值與目標(biāo)COD值進(jìn)行比較，對(duì)各過(guò)程中的誤差進(jìn)行迭代計(jì)算，對(duì)網(wǎng)絡(luò)訓(xùn)練進(jìn)行判斷，若誤差在目標(biāo)范圍內(nèi)則訓(xùn)練結(jié)束，建模成功，若誤差超出目標(biāo)范圍內(nèi)，則返回繼續(xù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練或者判斷模型失敗，重新建模；

其中，反向傳播步驟包括以下步驟：訓(xùn)練誤差計(jì)算、誤差判斷、網(wǎng)絡(luò)改進(jìn):

(1)訓(xùn)練誤差計(jì)算

對(duì)建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多次訓(xùn)練，網(wǎng)絡(luò)模型訓(xùn)練總誤差等于各樣本誤差平方和的一半，

設(shè)當(dāng)前網(wǎng)絡(luò)優(yōu)化次數(shù)為t，每次為μ步，對(duì)N個(gè)樣本進(jìn)行t次訓(xùn)練后的總誤差進(jìn)行計(jì)算：

y_i為第i組樣本經(jīng)模型計(jì)算得到的COD輸出值，y_i為第i組樣本目標(biāo)COD值，即經(jīng)國(guó)標(biāo)法檢測(cè)的COD值，N為樣本總數(shù)；

誤差E_t與連接權(quán)值W有關(guān)，也與輸入樣本和輸出有關(guān)，根據(jù)以上誤差E_t計(jì)算，存在一個(gè)ε使得否則繼續(xù)進(jìn)行訓(xùn)練；

(2)誤差判斷：

判斷誤差是否滿足預(yù)先設(shè)置的條件，若滿足則停止訓(xùn)練，模型建立成功；

若不滿足預(yù)先設(shè)置的目標(biāo)值，且t次優(yōu)化的誤差小于t-1次優(yōu)化的誤差(E_t≤E_t-1)，則增加網(wǎng)絡(luò)優(yōu)化步數(shù)，繼續(xù)對(duì)模型進(jìn)行訓(xùn)練，直至誤差在接受范圍內(nèi)，繼續(xù)訓(xùn)練的過(guò)程中，需要結(jié)合遺傳算法進(jìn)行優(yōu)化，加速訓(xùn)練速度，提高收斂性；

若誤差不滿足預(yù)先設(shè)置的目標(biāo)值，且t次優(yōu)化的誤差大于t-1次優(yōu)化的誤差(E_t＞E_t-1)，則此次模型建立失敗，需要對(duì)模型進(jìn)行重新建立，權(quán)值初始化；

經(jīng)過(guò)正向傳播與逆向傳播的來(lái)回交替進(jìn)行，提高了網(wǎng)絡(luò)的精準(zhǔn)程度，使模型得到記憶訓(xùn)練；

對(duì)BP神經(jīng)網(wǎng)絡(luò)模型改進(jìn),選擇出適應(yīng)的個(gè)體進(jìn)行交叉和變異操作，產(chǎn)生新個(gè)體，返回繼續(xù)進(jìn)行訓(xùn)練,計(jì)算訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型誤差；

每訓(xùn)練結(jié)束一次，神經(jīng)網(wǎng)絡(luò)模型可得到一次修正，儲(chǔ)存修正后的模型數(shù)據(jù),經(jīng)過(guò)多次、各種類型水樣的神經(jīng)網(wǎng)絡(luò)建模及訓(xùn)練后，建立模型參數(shù)數(shù)據(jù)庫(kù)。

2.如權(quán)利要求1所述的基于紫外—可見光吸收光譜的COD在線監(jiān)測(cè)方法，其特征在于，BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)分為三層：輸入層、隱含層和輸出層，輸入層為水樣的特征波長(zhǎng)點(diǎn)的吸光度，A_λ＝(A_λ1,A_λ2,……A_λn)；輸出層為水樣的COD值，記為y，輸入輸出的關(guān)系y＝f(A_λ1,A_λ2,……A_λn)，隱含層為單層，所含隱單元數(shù)為n₁；W為輸入層與隱含層間及隱含層與輸出層的連接權(quán)重，輸入層與隱含層的連接權(quán)重記W_ij＝(W₁₁，W₁₂，……)(i＝1,2……n；j＝11,2……n₁)，隱含層與輸出層的連接權(quán)重W_uv(W₁₁，W₁₂，……)(u＝1,2……n₁；v＝11,2……m)，隱單元數(shù)(n₁)采用如下公式進(jìn)行計(jì)算m為輸出神經(jīng)元數(shù)，n為輸入神經(jīng)元數(shù)，a為1-10之間的整數(shù)。

3.如權(quán)利要求1所述的基于紫外—可見光吸收光譜的COD在線監(jiān)測(cè)方法，其特征在于，所述訓(xùn)練過(guò)程包括正向傳播步驟。