[發明專利]存儲器、生化需氧量軟測量方法、系統和裝置

在審

• 申請號: 202010413762.X
• 申請日: 2020-05-15
• 公開（公告）號: CN113673143A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 盧薇;隋立華;郭亞逢;唐曉麗;宋項寧;姚猛
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司青島安全工程研究院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/16;G06N3/04;G06N3/08;G06F111/10
• 代理公司: 北京至臻永信知識產權代理有限公司 11568
• 代理人: 楊海濤;彭曉玲

本發明公開了存儲器、生化需氧量軟測量方法、系統和裝置，其中所述方法包括：在建立生化需氧量BOD軟測量模型時確定每次PCA計算時隱含層的初始神經元數目，包括：獲取每次PCA計算時BOD軟測量模型所對應的輸入層變量；確定上一次PCA計算時BOD軟測量模型預測計算后誤差最小值所對應的隱含層神經元數目為基準隱含層神經元數目；以基準隱含層神經元數目為基準，根據本次PCA計算的輸入層變量數目與上一次PCA計算時輸入層變量數目的比較結果，確定本次PCA計算的隱含層的初始神經元數目。本發明能夠使生化需氧量的預測模型在實際工況條件變化的應用場景中，其所生成的測量結果更加的準確和穩定。

技術領域

本發明涉及污水處理領域，特別涉及存儲器、生化需氧量軟測量方法、系統和裝置。

背景技術

生化需氧量(Biochemical Oxygen Demand，BOD)，是污水處理過程中的一個重要的水質指標，也是污水處理過程中重要的監測指標。

BOD的高低可以反映水體中有機物能夠被微生物的生化作用降解的程度，因此，進行BOD的實時監測對于污水治理來說是一個重要的手段。

現有技術中，用于進行生化需氧量軟測量的預測模型，一般都是針對穩定工況下輸入變量數目不變的問題，然后根據每個神經元的計算能力實時調整預測模型，進而可以通過測量模型來預估生化需氧量的當前值。

發明人經過研究發現，根據現有技術所構建的用于生化需氧量軟測量的測量模型，在實際應用中，其預測模型不能適應工況條件發生變化的應用場景，所生成的測量結果的準確度不夠穩定，容易出現偏差。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

發明內容

本發明的目的在于使生化需氧量軟測量的測量模型實際工況條件變化的應用場景中，其所生成的測量結果更加的準確和穩定。

本發明提供了一種生化需氧量軟測量方法，在建立基于RBF神經網絡的生化需氧量BOD軟測量模型時，確定每次PCA計算時隱含層的初始神經元數目，包括步驟：

S11、獲取每次PCA計算時BOD軟測量模型所對應的輸入層變量；

S12、確定上一次PCA計算時BOD軟測量模型預測計算后誤差最小值所對應的隱含層神經元數目為基準隱含層神經元數目；

S13、以基準隱含層神經元數目為基準，根據本次PCA計算的輸入層變量數目與上一次PCA計算時輸入層變量數目的比較結果，確定本次PCA計算的隱含層的初始神經元數目。

在本發明中，所述獲取每次PCA計算時BOD軟測量模型所需的輸入層變量，包括：

預先根據各種儀表采集的樣本數據獲取各種變量的初始數據；

對所述初始數據通過零均值標準化方法進行歸一化處理生成各種變量的樣本集數據；

根據各所述變量的樣本集數據生成矩陣A＝[a₁,a₂,…,a_p]，并求得所述矩陣A的協方差S，將所述矩陣A分解成主成分得分矩陣R；

計算本次PCA計算時的累計方差貢獻率，將累計方差貢獻率大于預設閾值的變量確定為本次PCA計算獲得的輸入層變量。

在本發明中，所述對所述初始數據通過零均值標準化方法進行歸一化處理生成各種變量的樣本集數據，包括：

其中，i為樣本數，j為樣本分量，a_ij為第i個樣本的第j個分量，a_j為第j個分量樣本的均值，s_jj為變量a_j的標準差，p為樣本分量的數目。