[發明專利]基于GA-DBN網絡的廢水處理智能監控方法及系統

有效

• 申請號: 201910943698.3
• 申請日: 2019-09-30
• 公開（公告）號: CN110824915B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 黃明智;牛國強;易曉輝;李小勇;應光國;石青松
• 申請（專利權）人: 華南師范大學;廣州奇嶺環境服務有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳宏升

1.基于GA-DBN網絡的廢水處理智能監控方法，其特征在于，包括以下步驟：

S1、選取廢水處理系統合適參數作為輸入自變量和輸出變量；所述輸入自變量包含進水COD、進水流量Q、進水SS、溫度T、溶解氧DO、pH；所述輸出變量包含出水COD、出水SS濃度；

S2、采用迭代尋優計算獲得深度信念網絡DBN各層網絡最優隱含層節點數；

S3、利用遺傳算法GA篩選出最優輸入自變量；

S4、依據深度信念網絡DBN各層網絡最優隱含層節點數、最優輸入自變量，構建基于遺傳算法-深度信念網絡GA-DBN融合模型；

S5、對GA-DBN融合模型進行訓練，得到訓練后GA-DBN融合模型；

S6、通過訓練后GA-DBN融合模型對廢水處理系統輸出變量進行實時軟測量，獲得診斷結果，并指導廢水處理過程優化。

2.根據權利要求1所述的基于GA-DBN網絡的廢水處理智能監控方法，其特征在于，所述步驟S2具體為：

S201、根據輸入自變量和輸出變量，估計最佳隱含層節點數的范圍為1至N，利用循環，設置每層隱含層節點數d以1為步長，d＝1，2，3……N，循環為for＝1:1:N；

S202、將深度信念網絡DBN第c次迭代得到的測試集真實值與預測值之間差值的均方誤差之和記為mse(c)，設置一個較大的初始誤差mse_max，mse_max取值范圍為10¹⁰～10²⁰；

S203、利用rand(‘state’,0)函數固定RBM每次迭代的初始化狀態，對深度信念網絡DBN進行迭代選優；

S204、當mse(c)＜mse_max時，則將此時的mse(c)賦值給mse_max，記為mse_max＝mse(c)，此時的c值賦值給desired_c，記為desired_c＝c；

S205、當全部X個候選隱含層節點數迭代完成時，此時的mse_max值即為mse(c)的最小值，也為最小誤差，對應的desired_c為最佳隱含層節點數。

3.根據權利要求2所述的基于GA-DBN網絡的廢水處理智能監控方法，其特征在于，所述步驟S3具體為：

S301、采用遺傳算法GA對深度信念網絡DBN進行優化，初始化種群數目，將初始種群數目設置為K；

S302、選取測試集出水COD和出水SS濃度均方誤差的倒數作為適應度函數，則有：

其中，為測試集出水COD預測值；A為測試集出水COD真實值；為測試集出水SS濃度預測值；B為測試集出水SS濃度真實值；n為測試集樣本數量；

S303、使用遺傳算法GA對模型輸入自變量進行降維，所述降維包含選用比例選擇算子進行選擇、選用單點交叉算子進行交叉、選用單點變異算子進行變異；對候選輸入自變量進行二進制編碼，編碼組合為0或1組成的二進制串；

S304、利用find函數尋找最優解，即得到最優輸入自變量；

S305、利用遺傳算法GA篩選DBN模型中輸入自變量后，提取所篩選輸入自變量對應數據，搭建新的DBN模型，該方法跟優化前DBN建模方法相同。