[發(fā)明專利]一種模糊神經(jīng)網(wǎng)絡(luò)結(jié)合分光光度法預(yù)測水質(zhì)COD的方法

有效

• 申請?zhí)枺?/td>: 202110719087.8
• 申請日: 2021-06-28
• 公開（公告）號: CN113433086B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設(shè)計）人: 瞿燕;于銀山;季仁東;邵明振;蔣令杰;王曉燕;蔣青松;韓汶錦
• 申請（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號: G01N21/31
• 分類號: G01N21/31;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

1.一種模糊神經(jīng)網(wǎng)絡(luò)結(jié)合分光光度法預(yù)測水質(zhì)COD的方法，其特征在于，包括如下步驟：

步驟1：確定采樣點和采樣頻率，收集富有特征性的水樣信息；

步驟2：用便攜式溫度pH測定儀測量水樣的溫度和pH，多參數(shù)水質(zhì)測定儀利用分光光度法依次測量水樣的COD、總磷、總氮、氨氮和高錳酸鹽指數(shù)含量，包括：

步驟2.1：測量水質(zhì)中COD的含量，使用快速消解分光光度法，量取定量的COD消解試劑和湖水水樣混合，混勻后放入消解儀進(jìn)行定時消解，將消解完成后的溶液依次放入多參數(shù)水質(zhì)測定儀中測量COD含量；

步驟2.2：測量水質(zhì)中總磷的含量，使用鉬酸銨分光光度法，量取定量的總磷消解試劑和湖水水樣混合，混勻后放入消解儀進(jìn)行定時消解，將消解完成后的溶液依次放入多參數(shù)水質(zhì)測定儀中測量總磷含量；

步驟2.3：測量水質(zhì)中總氮的含量，使用變色酸分光光度法，準(zhǔn)確量取定量的總磷消解試劑和湖水水樣混合，混勻后將各反應(yīng)管依次放入消解儀消解；消解完成后依次向各個反應(yīng)管中加入配備試劑并搖勻；量取配備試劑加入到備好的密封比色管中，分別量取各處理好的水樣沿壁管加入到已加好配備試劑的比色管中，混勻后放入水質(zhì)測定儀中測量總氮含量；

步驟2.4：測量水質(zhì)中氨氮的含量，使用納氏試劑分光光度法，量取定量的氨氮消解試劑和湖水水樣混合，搖勻后靜置，再依次放入多參數(shù)水質(zhì)測定儀中測量氨氮含量；

步驟2.5：測量水質(zhì)中高錳酸鹽指數(shù)含量，使用分光光度法，量取定量的高錳酸鹽指數(shù)消解試劑和湖水水樣混合，混勻后放入消解儀進(jìn)行定時消解；消解完后，依次向各反應(yīng)管中加入配備試劑，將其混勻靜置，再依次放入多參數(shù)水質(zhì)測定儀中測量高錳酸鹽指數(shù)含量；

步驟3：對測量得到的指標(biāo)與COD進(jìn)行相關(guān)性排序，選取前五種相關(guān)系數(shù)高的指標(biāo)作為預(yù)測輸入，對相關(guān)性高的五種水質(zhì)參數(shù)進(jìn)行預(yù)處理，即平滑處理和歸一化處理，包括：

使用皮爾遜相關(guān)系數(shù)對六種指標(biāo)和COD之間的相關(guān)性進(jìn)行分析并排序，對預(yù)測模型中的輸入數(shù)據(jù)進(jìn)行相關(guān)性排序，皮爾遜相關(guān)系數(shù)表達(dá)式為：

其中，X和Y分別為兩個變量；

對數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)歸一化至[0,1]內(nèi)，歸一化相應(yīng)方程和反歸一化方程為：

X_i＝(X_max-X_min)·X'_i+X_min

采用lowess平滑方法平滑數(shù)據(jù)，主要方法是令y_i和x_i為兩個變量，并假設(shè)數(shù)據(jù)是有序從小到大，對每一個y_i計算它的平滑值其表達(dá)式為：

其中，x_i是計算的變量，x_j是x_i跨度內(nèi)包含的相鄰點，w_j是x_i和跨度內(nèi)包含的所有相鄰點的權(quán)重，平滑值是x_i處的加權(quán)平均值或加權(quán)回歸預(yù)測；

步驟4：建立合適的模糊神經(jīng)網(wǎng)絡(luò)模型，隨機(jī)選取一部分水質(zhì)參數(shù)作為網(wǎng)絡(luò)的訓(xùn)練部分，另一部分作為網(wǎng)絡(luò)的預(yù)測數(shù)據(jù)，將步驟3中的五種水質(zhì)參數(shù)作為網(wǎng)絡(luò)的輸入數(shù)據(jù)，COD含量作為網(wǎng)絡(luò)的輸出數(shù)據(jù)建立網(wǎng)絡(luò)模型訓(xùn)練網(wǎng)絡(luò)；

步驟5：用訓(xùn)練好的網(wǎng)絡(luò)模型對隨機(jī)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)測，比較真實值和預(yù)測值；

步驟6：用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)模型多次預(yù)測其余的預(yù)測數(shù)據(jù)，比較真實值和預(yù)測值。

2.根據(jù)權(quán)利要求1所述的模糊神經(jīng)網(wǎng)絡(luò)結(jié)合分光光度法預(yù)測水質(zhì)COD的方法，其特征在于，所述步驟4中建立合適的模糊神經(jīng)網(wǎng)絡(luò)模型包括以下步驟：

步驟4.1：根據(jù)樣本的輸入輸出維數(shù)確定網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，確定迭代次數(shù)，對模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，隨機(jī)初始化模糊隸屬度函數(shù)中心，寬度和參數(shù)；

步驟4.2：根據(jù)模糊規(guī)則計算各輸入變量x_j的隸屬度；

步驟4.3：將各隸屬度進(jìn)行模糊計算，用來匹配模糊規(guī)則；

步驟4.4：根據(jù)模糊計算結(jié)果計算模糊模型的輸出值；

步驟4.5：計算誤差；

步驟4.6：修正神經(jīng)網(wǎng)絡(luò)系數(shù)；

步驟4.7：修正隸屬度函數(shù)的中心和寬度。