[發明專利]基于神經網絡的水體溶解氧預測方法

有效

• 申請號: 201910785061.6
• 申請日: 2019-08-23
• 公開（公告）號: CN110610261B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 黃文俊;陳遠存;郭肇祿;張文生;羅云
• 申請（專利權）人: 廣東奧博信息產業股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/006
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

1.一種基于神經網絡的水體溶解氧預測方法，其特征在于，包括以下步驟：

步驟1，采集水質樣本數據集，其中水質樣本數據集包括：水溫、pH值、濁度、氨氮、總氮和溶解氧值；

步驟2，對采集的水質樣本數據集進行預處理；

步驟3，確定神經網絡的輸入變量為一天的水溫、pH值、濁度、氨氮、總氮和溶解氧值，輸出變量為2天后的溶解氧值；

步驟4，確定神經網絡的結構并構建神經網絡；

步驟5，利用改進的正弦余弦算法優化神經網絡的參數，利用得到的神經網絡作為水體溶解氧預測模型；

步驟6，利用得到的水體溶解氧預測模型實現水體溶解氧的預測；

其中，步驟5所述的利用改進的正弦余弦算法優化神經網絡的參數，包括以下步驟：

步驟5.1，初始化種群大小和最大迭代次數；

步驟5.2，初始化當前迭代次數；

步驟5.4，初始化適應性因子，其中為隨機實數產生函數；下標=1, 2, …,；

步驟5.5，隨機產生個個體，其中每個個體都存儲了神經網絡的參數，然后將產生的個個體組成種群；

步驟5.6，從種群的每個個體中提取出神經網絡的參數，按公式(1)計算種群中每個個體當前代參數的適應值:

(1)

其中水質樣本下標=1, 2, …,；為水質樣本的數量；為種群中第個個體的適應值；為第k個水質樣本的測量值；為神經網絡在第k個水質樣本上的輸出值；

步驟5.7，按公式(1)計算融合因子：

(2)

其中擾動值為[0, 1]之間的隨機實數；擾動概率為[0, 1]之間的隨機實數；

步驟5.8，從整個種群中隨機選擇出兩個個體和，如果個體的適應值小于個體的適應值，則令平衡個體，否則令平衡個體；

步驟5.9，按適應值從小到大從種群中選擇出前10%的個體存放到臨時個體集合；

步驟5.10，設置導向個體，其中為從臨時個體集合中隨機選擇出來的個體；

步驟5.11，按公式(3)執行正弦余弦操作算子:

(3)

其中；r2為[0, ]之間的隨機實數，并且為圓周率；r3為[0, 2]之間的隨機實數；r4為[0, 1]之間的隨機實數；sin為正弦函數；cos為余弦函數；為個體的當前代參數；為個體的新一代參數；

步驟5.12，計算種群中個體新一代參數的適應值；

步驟5.13，如果個體新一代參數的適應值小于，則令，否則保持不變；

步驟5.14，令當前迭代次數；

步驟5.15，如果當前迭代次數大于，則轉到步驟5.16，否則轉到步驟5.7；

步驟5.16，從種群中找出適應值最小的個體記為，從中提取出神經網絡的參數，即得到優化設計的神經網絡參數。