[發明專利]一種模糊神經網絡結合分光光度法預測水質COD的方法

有效

• 申請號: 202110719087.8
• 申請日: 2021-06-28
• 公開（公告）號: CN113433086B
• 公開（公告）日: 2023-01-31
• 發明（設計）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）人: 淮陰工學院
• 主分類號: G01N21/31
• 分類號: G01N21/31;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種模糊神經網絡結合分光光度法預測水質COD的方法，多參數水質測定儀使用分光光度法的原理測量水質參數，使用它和便攜式溫度pH測定儀測量湖泊水質的COD、總磷、總氮、氨氮、高錳酸鹽指數、溫度、pH這七種參數，用皮爾遜相關系數的方法篩選水質指標，利用歸一化方法和平滑方法對數據進行預處理。將得到的數據集隨機分為訓練數據和預測數據建立模糊神經網絡模型。利用訓練好的模型預測訓練數據集的COD含量，比較預測值和真實值的誤差，再使用模型預測預測數據集COD含量，比較預測值和真實值的誤差。本發明方法有效預測水質COD，具有廣泛的應用前景和實用價值。

技術領域

本發明涉及水質檢測，尤其涉及一種模糊神經網絡結合分光光度法預測水質COD的方法。

背景技術

隨著我國工業化農業化和城鎮化的快速發展，水污染變得日益嚴重，已經一定程度的危害到了社會的發展和人民的日常生活，因此我國現階段致力于水質的監測與處理，達到緩解水資源緊缺、保護人類健康的目的。

由于自然水體中生物化學過程的復雜性和不確定性，水質變化是一種具有典型非線性和時變特征的動力學過程，預測水質變化是環境研究中一個具有挑戰性的問題。人工神經網絡是處理復雜交互問題的有力工具，被認為是標準的非線性估計器，利用神經網絡建立模型預測水質參數，不僅可以得到較高精度的預測數據，還可以節約維護和開發成本，對及時監測和控制水污染非常重要。

目前，水質預測的方法主要有灰色預測方法、人工神經網絡和支持向量機等。灰色預測模型主要用于趨勢性強、波動不大的短期水質預測問題,在數據較少的情況下,可以獲得比較準確的預測結果。而SVM算法對大規模訓練樣本難以實施，對參數調節和和函數的選擇敏感。神經網絡具有模擬動態的、非線性的系統的優點，因此特別適合模擬沒有被完全掌握的涉及復雜物理、化學及生物的反應系統。

發明內容

發明目的：本發明針對上述問題，提供一種模糊神經網絡結合分光光度法預測水質COD的方法，提高水質COD的預測精度。

技術方案：一種模糊神經網絡結合分光光度法預測水質COD的方法，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，多參數水質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含量；

步驟3：對測量得到的指標與COD進行相關性排序，選取前五種相關系數高的指標作為預測輸入，對相關性高的五種水質參數進行預處理，即平滑處理和歸一化處理；

步驟4：建立合適的模糊神經網絡模型，隨機選取一部分水質參數作為網絡的訓練部分，另一部分作為網絡的預測數據，五種水質參數作為網絡的輸入數據，COD含量作為網絡的輸出數據建立網絡模型訓練網絡；

步驟5：用訓練好的網絡模型對隨機訓練數據進行預測，比較真實值和預測值；

步驟6：用訓練好的模糊神經網絡模型多次預測其余的預測數據，比較真實值和預測值。

進一步地，步驟2具體包括：

步驟2.1：測量水質中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行定時消解，將消解完成后的溶液依次放入多參數水質測定儀中測量COD含量；

步驟2.2：測量水質中總磷的含量，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行定時消解，將消解完成后的溶液依次放入多參數水質測定儀中測量總磷含量；