[發(fā)明專利]一種基于PLS-PSO-RBF神經(jīng)網(wǎng)絡(luò)模型的污水質(zhì)量監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110300717.8
• 申請(qǐng)日: 2021-03-13
• 公開（公告）號(hào): CN113222324B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 陳楊;陳勇旗;謝一凡
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)科學(xué)技術(shù)學(xué)院
• 主分類號(hào): G06Q10/0639
• 分類號(hào): G06Q10/0639;G06N3/0464;G06N3/08;G06Q50/26
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開一種基于PLS?PSO?RBF神經(jīng)網(wǎng)絡(luò)模型的污水質(zhì)量監(jiān)測(cè)方法，實(shí)現(xiàn)了在小樣本的前提下，利用RBF神經(jīng)網(wǎng)絡(luò)建立符合精度要求的污水質(zhì)量監(jiān)測(cè)模型，從而實(shí)現(xiàn)對(duì)污水出水端質(zhì)量的實(shí)時(shí)監(jiān)測(cè)或軟測(cè)量。具體來(lái)講，本發(fā)明方法首先使用PLS算法來(lái)降低輸入數(shù)據(jù)的維數(shù)，然后使用PSO算法優(yōu)化得到RBF神經(jīng)網(wǎng)絡(luò)各個(gè)隱層神經(jīng)元的中心點(diǎn)向量，進(jìn)而基于PLS?PSO?RBF神經(jīng)網(wǎng)絡(luò)模型實(shí)時(shí)污水出水端質(zhì)量的實(shí)時(shí)監(jiān)測(cè)。本發(fā)明方法通過(guò)PLS算法的降維策略，能降低污水質(zhì)量監(jiān)測(cè)建模時(shí)遇到的小樣本問(wèn)題相對(duì)于輸入變量維數(shù)的負(fù)面影響。同時(shí)通過(guò)PSO算法優(yōu)化搜尋出多個(gè)隱層神經(jīng)元的中心點(diǎn)向量，能較大程度的保證RBF神經(jīng)網(wǎng)絡(luò)模型的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種污水質(zhì)量軟測(cè)量方法，特別涉及一種基于PLS-PSO-RBF神經(jīng)網(wǎng)絡(luò)模型的污水質(zhì)量監(jiān)測(cè)方法。

背景技術(shù)

污水處理廠對(duì)污水出水質(zhì)量的監(jiān)測(cè)能直接影響到自然水環(huán)境以及公眾的健康，因?yàn)椴贿m宜的污水處理會(huì)將有害物質(zhì)排放進(jìn)大自然中，從而會(huì)傳播疾病影響大眾生活與工作。一般而言，污水出水的生化需氧量(Biochemical?Oxygen?Demand，縮寫：BOD)、化學(xué)需氧量(Chemical?Oxygen?Demand，縮寫：COD)、總磷濃度(Total?Phosphorus，縮寫：TP)、污泥體積指數(shù)(Sludge?Volume?Index，縮寫：SVI)四個(gè)指標(biāo)對(duì)于監(jiān)測(cè)污水的出水質(zhì)量有著重要作用。因此，監(jiān)測(cè)污水質(zhì)量其實(shí)就是在監(jiān)測(cè)上述這四個(gè)污水的指標(biāo)。

監(jiān)測(cè)這個(gè)四個(gè)指標(biāo)的技術(shù)手段無(wú)外乎直接測(cè)量與間接測(cè)量，直接測(cè)量通過(guò)儀器儀表直接測(cè)量得到，又可分為在線直接測(cè)量和離線直接測(cè)量。在線直接測(cè)量對(duì)儀表的可靠性要求比較高，且相應(yīng)儀表的價(jià)格高昂，不為國(guó)內(nèi)污水處理廠所采納，離線直接測(cè)量則是通過(guò)采集污水出口端的污水樣本，通過(guò)分析得到，這類離線直接測(cè)量方式為國(guó)內(nèi)大多數(shù)污水處理廠所采納，主要原因是其技術(shù)成本低，且測(cè)量數(shù)據(jù)非常可靠。但是，離線直接測(cè)量無(wú)法實(shí)時(shí)獲取污水的質(zhì)量指標(biāo)數(shù)據(jù)，一般都是按照每天一次采樣測(cè)量的頻率實(shí)施的。

除此之外，還可采用數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量方式。實(shí)施污水質(zhì)量軟測(cè)量的算法有很多，其中以徑向基函數(shù)(Radial?Basis?Function，縮寫：RBF)神經(jīng)網(wǎng)絡(luò)是其中一類最具代表性的軟測(cè)量方法，已經(jīng)有相應(yīng)的研究使用RBF神經(jīng)網(wǎng)絡(luò)實(shí)施污水出水端TP濃度的軟測(cè)量。然而，由于軟測(cè)量技術(shù)需要依賴大量的前期采樣數(shù)據(jù)，特別是RBF神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)量的要求更高，不然無(wú)法保證軟測(cè)量精度。如前所述，國(guó)內(nèi)的污水處理廠的前期測(cè)量數(shù)據(jù)最多是按照每天采樣的方式記錄積累的，一年最多也就365個(gè)樣本數(shù)據(jù)，遠(yuǎn)沒達(dá)到RBF神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)量的要求。因此，小樣本問(wèn)題是建立污水質(zhì)量監(jiān)測(cè)模型必須考慮的一個(gè)問(wèn)題。此外，RBF神經(jīng)網(wǎng)絡(luò)自身結(jié)構(gòu)上的調(diào)整與優(yōu)化同樣也會(huì)影響軟測(cè)量精度，因此利用RBF神經(jīng)網(wǎng)絡(luò)實(shí)施污水質(zhì)量監(jiān)測(cè)還需更進(jìn)一步考慮網(wǎng)絡(luò)結(jié)構(gòu)及其參數(shù)的優(yōu)化。

發(fā)明內(nèi)容

本發(fā)明所要解決的主要技術(shù)問(wèn)題是：如何在小樣本的前提下，利用RBF神經(jīng)網(wǎng)絡(luò)建立符合精度要求的污水質(zhì)量監(jiān)測(cè)模型，從而實(shí)現(xiàn)對(duì)污水出水端質(zhì)量的實(shí)時(shí)監(jiān)測(cè)或軟測(cè)量。具體來(lái)講，本發(fā)明方法首先使用偏最小二乘(Partial?Least?Squares，縮寫：PLS)算法來(lái)降低輸入數(shù)據(jù)的維數(shù)，然后使用粒子群優(yōu)化(Particle?Swarm?Optimization，縮寫：PSO)算法優(yōu)化得到RBF神經(jīng)網(wǎng)絡(luò)各個(gè)隱層神經(jīng)元的中心點(diǎn)向量，進(jìn)而基于PLS-PSO-RBF神經(jīng)網(wǎng)絡(luò)模型實(shí)時(shí)污水出水端質(zhì)量的實(shí)時(shí)監(jiān)測(cè)。

本發(fā)明方法解決上述問(wèn)題所采用的技術(shù)方案為：一種基于PLS-PSO-RBF神經(jīng)網(wǎng)絡(luò)模型的污水質(zhì)量監(jiān)測(cè)方法，包括以下所示步驟：