[發明專利]一種預測氣體濃度的方法、系統、設備及其存儲介質

在審

• 申請號: 202011388630.2
• 申請日: 2020-12-01
• 公開（公告）號: CN112488282A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 姜燁;劉建;姜兆能;殷文斐;董飛彪;劉來虎
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G01N33/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 林凡燕

1.一種預測氣體濃度的方法，其特征在于，所述方法至少包括以下步驟：

S1、使用氣體傳感器獲取固定時間間隔的原始氣體濃度數據；

S2、對所述原始氣體濃度數據進行檢驗和處理，得到處理后氣體濃度數據，并對所述處理后氣體濃度數據進行累加和均值運算，得到氣體濃度均值序列；

S3、根據所述氣體濃度均值序列和所述處理后氣體濃度數據，通過灰微分方程生成灰色預測模型GM(1,1)；

S4、利用改進人工蜂群算法對所述灰色預測模型GM(1,1)的參數向量進行優化，得到所述灰色預測模型GM(1,1)的白化模型；

S5、將當前時刻所述處理后氣體濃度數據代入所述白化模型，預測下一時刻的氣體濃度。

2.根據權利要求1所述的預測氣體濃度的方法，其特征在于，所述S2至少包括以下步驟：

S21、計算所述原始氣體濃度數據的級比；

S22、判斷所述原始氣體濃度數據的級比是否均落在可容覆蓋的區間范圍內：

若不是，對所述原始氣體濃度數據進行平移變換，得到所述處理后氣體濃度數據，使所述處理后氣體濃度數據的級比全部落在所述可容覆蓋的區間范圍內；

否則，將所述原始氣體濃度數據作為所述處理后氣體濃度數據；

S23、對所述處理后氣體濃度數據進行累加和均值運算，得到所述氣體濃度均值序列。

3.根據權利要求1所述的預測氣體濃度的方法，其特征在于，所述S4至少包括以下步驟：

S41、設定基于改進人工蜂群算法優化的目標函數，所述灰色預測模型GM(1,1)的參數向量包括系統發展系數a和灰作用量b，利用所述目標函數和適應度函數，計算初始化適應度值；

S42、對每一個可行解與隨機產生的鄰居可行解變量進行交叉變異，得到交叉變異后系統發展系數a和灰色作用量b的值，根據所述目標函數和所述適應度函數計算交叉變異后適應度值；

S43、判斷所述交叉變異后適應度值是否大于所述初始化適應度值，若是，將交叉變異前所述系統發展系數a和所述灰色作用量b的值變為所述交叉變異后系統發展系數a和灰色作用量b的值，跳至步驟S44，否則，返回步驟S42繼續進行交叉變異；

S44、對所述交叉變異后適應度值，進行概率計算，得到每個所述可行解的概率值；

S45、根據所述可行解的概率值判斷食物源是否滿足所述目標函數的性能誤差目標值：

如果是，完成對所述灰色預測模型GM(1,1)的參數向量的優化；

否則，優化失敗，進行異維變換。

4.根據權利要求3所述的預測氣體濃度的方法，其特征在于，所述S43還包括：

統計連續交叉變異的次數；

當所述交叉變異后適應度值不大于所述初始化適應度值時，判斷所述連續交叉變異的次數是否到達預設交叉變異次數上限：

如果是，重新產生新食物源，跳轉至步驟S41，繼續優化所述灰色預測模型GM(1,1)的參數向量；

否則，返回步驟S42繼續進行交叉變異。

5.根據權利要求3所述的預測氣體濃度的方法，其特征在于，所述異維變換至少包括以下步驟：

統計優化失敗的次數，判斷所述優化失敗的次數是否到達失敗次數上限M1，同時存在隨機數小于隨機數閾值M2，達到對人工蜂群算法改進，所述失敗次數上限M1與所述隨機數閾值M2計算公式如下：

其中，SN表示所述食物源的總數，D表示所述可行解的維度，t表示所述優化失敗的次數，l表示預設交叉變異次數上限，

如果是，將所述可行解與隨機選擇的與所述可行解不同維度的可行解向量進行交換，重新跳轉至步驟S41；

否則，返回步驟S42繼續進行交叉變異。