[發(fā)明專利]一種基于EMD算法的模塊化神經(jīng)網(wǎng)絡(luò)的出水氨氮軟測量方法

在審

• 申請?zhí)枺?/td>: 202110026431.5
• 申請日: 2021-01-08
• 公開（公告）號: CN112863614A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計）人: 喬俊飛;郭鑫;李文靜;劉永雷
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G16C20/20
• 分類號: G16C20/20;G16C20/70;G06F30/27;G06N3/04;G06N3/08;G01N33/18;G06F119/12
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

1.一種基于EMD算法的模塊化神經(jīng)網(wǎng)絡(luò)的出水氨氮軟測量方法，其特征在于，包括以下步驟：

步驟1：對出水氨氮時間序列進行歸一化到[01]范圍，公式為：

其中，x(t)為出水氨氮時間序列，x_min為樣本數(shù)據(jù)的最小值，x_max為樣本數(shù)據(jù)的最大值；

步驟2，采用EMD算法對原始時間序列進行分解成多個簡單，單頻率，獨立的子時間序列；

步驟3，采用樣本熵和歐式距離計算子時間序列的復(fù)雜性和相似性；

步驟4，合并復(fù)雜性小于復(fù)雜度閾值，且相似性大于相似度閾值的子時間序列，復(fù)雜度閾值范圍為(0.5～1)F_o，其中F_o為所述原始時間序列復(fù)雜度，所述相似度閾值范圍為0.1～0.5；

步驟4，建立單層前饋神經(jīng)網(wǎng)絡(luò)FNN作為子網(wǎng)絡(luò)模塊進行學(xué)習(xí)；設(shè)FNN輸入為向量X＝[x₁,x₂,…,x_n]，在輸入層有n個節(jié)點，隱含層有p個節(jié)點，在網(wǎng)絡(luò)隱含層第j個節(jié)點輸入為：

其中v_ij為輸入層第i個節(jié)點到隱含層第j個節(jié)點的權(quán)值，b¹為隱含層的偏置；

網(wǎng)絡(luò)隱含層第j個節(jié)點輸入為：

其中為隱含層節(jié)點的激活函數(shù)：

網(wǎng)絡(luò)輸出為：

其中w_j是隱含層第j個節(jié)點到輸出層節(jié)點的權(quán)值，b¹為輸出層的偏置；

步驟5，集成模塊對子網(wǎng)絡(luò)模塊學(xué)習(xí)結(jié)果進行集成輸出；

步驟6，訓(xùn)練基于EMD算法的模塊化神經(jīng)網(wǎng)絡(luò)模型后，預(yù)測出水氨氮濃度；將測試樣本數(shù)據(jù)作為模型的輸入，模型的輸出并進行反歸一化后即為出水氨氮的預(yù)測值。

2.根據(jù)權(quán)利要求1所述的一種基于EMD算法的模塊化神經(jīng)網(wǎng)絡(luò)的出水氨氮軟測量方法，其特征在于，步驟2的具體步驟如下：

步驟2.1，找出原始出水氨氮時間序列x(t)的所有極值點；

步驟2.2，采用三次樣條插值法對極大值點構(gòu)建上包絡(luò)線E_max(t)，對極小值點構(gòu)建下包絡(luò)線E_min(t)；

步驟2.3，計算上下包絡(luò)線的均值m(t)；

m(t)＝(E_max(t)+E_min(t))/2 (2)

步驟2.4，從原始時間序列x(t)中篩去m(t)；

h(t)＝x(t)-m(t) (3)

步驟2.5，判斷h(t)是否滿足所述EMD算法兩個基本條件，基本條件包括：

1)所述本征模態(tài)函數(shù)即IMF分量在整個時間范圍內(nèi)，局部極值點和過零點的數(shù)目必須相等，或最多相差一個；

2)在任意時刻點，局部最大值的包絡(luò)和局部最小值的包絡(luò)平均必須為零；

若滿足，則h(t)為一個IMF分量，即子時間序列,則殘余序列r(t)；

r(t)＝x(t)–h(t) (4)

殘余序列r(t)代替原始時間序列x(t)，返回到步驟2.1，若不滿足，則h(t)代替所述原始時間序列x(t)，返回到步驟2.1；直到篩分的h(t)為單調(diào)函數(shù)或滿足停止條件，停止標(biāo)準(zhǔn)為：

式中，h(t)為所述IMF第k個分量；ε表示篩分門限。

3.根據(jù)權(quán)利要求1所述的一種基于EMD算法的模塊化神經(jīng)網(wǎng)絡(luò)的出水氨氮軟測量方法，其特征在于，步驟3的具體步驟如下，(1)對于具有N個出水氨氮數(shù)據(jù)組成的時間序列x(t)＝[x(1),x(2),…,x(N)]，樣本熵計算步驟如下：

1)把時間序列x(t)劃分成一組維度為m的向量序列：X^m(1),…,X^m(N–m–1),其中X(i_o)＝[x(i_o),x(i_o+1),…,x(i_o+m–1)],1≤i_o≤i_o–m+1；

2)對于向量X^m(i_o)，計算X^m(i_o)與X^m(j_o)距離小于等于r的j_o的數(shù)目B_io，公式如下：

3)把時間序列x(t)再劃分成一組維度為m+1的向量序列：計算X^m+1(i_o)與X^m+1(j_o)距離小于等于r的j_o的數(shù)目A_io，公式如下：

4)計算出水氨氮時間序列樣本熵，公式如下：

(2)對于子時間序列x₁(t)，x₂(t)，采用歐式距離計算相似性，公式如下：

其中N為子時間序列的長度。