[發明專利]基于CLMVO-ELM的溶解氧濃度預測方法、裝置、設備及存儲介質在審
| 申請號： | 202110738556.0 | 申請日： | 2021-06-30 |
| 公開（公告）號： | CN113539386A | 公開（公告）日： | 2021-10-22 |
| 發明（設計）人： | 呂文卓;夏鑫;王曉露;張楚;彭甜;紀捷;胡浩文;劉康 | 申請（專利權）人： | 淮陰工學院 |
| 主分類號： | G16C20/30 | 分類號： | G16C20/30;G16C20/70;G06N20/10 |
| 代理公司： | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人： | 劉紅陽 |
| 地址： | 223003 江蘇省*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 clmvo elm 溶解氧 濃度 預測 方法 裝置 設備 存儲 介質 | ||
1.一種基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，包括以下步驟：
(1)采集水質數據，對所述水質數據進行數據清洗，清洗后的數據歸一化，得到訓練集；
(2)采用訓練集訓練極限學習機網絡并改進極限學習機，所述改進極限學習機是指采用改進的多元宇宙優化算法優化極限學習機網絡參數；所述改進的多元宇宙優化算法為通過拉丁超立方抽樣初始化多元宇宙優化算法參數，得到改進的多元宇宙優化算法。
(3)再次采集水質數據，并對采集的所有數據進行歸一化，將歸一化后的數據輸入到改進極限學習機中，由改進極限學習機輸出預測得到水體溶解氧濃度。
2.根據權利要求1所述基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，步驟(1)歸一化的公式如下：
其中，X為當前需要歸一化的數據，Xmax為需要歸一化的數據中的最大值，Xmin為需要歸一化的數據的最小值，Xi是歸一化后的數據。
3.根據權利要求1所述的基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，在步驟(2)中拉丁超立方抽樣初始化多元宇宙優化算法參數的方法包括以下步驟：
(21)將每一維分成m個長度相同的區間，使得每個區間有相同的概率；
(22)在每一維的每一個區間隨機抽取一個點；
(23)將步驟(22)中抽取的點組成向量。
(24)根據步驟(23)中的向量對多元宇宙優化算法中的宇宙個數N、維度D、最大迭代次數L參數進行初始化。
4.根據權利要求1所述的基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，在步驟(2)中，多元宇宙優化算法的局部搜索采用Iterative混沌搜索進行處理，Iterative混沌映射產生的混沌序列用于初始化宇宙個數，利用多元宇宙優化算法得到當前全局最優值，其公式如下：
其中，xk為迭代k次所產生的值，a是控制參數。
5.根據權利要求1所述的基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，在步驟(2)中，在多元宇宙優化算法中，引入自適應壓縮因子改變最優宇宙的位置，其公式如下：
其中，l為當前迭代次數，L為最大迭代次數。
6.根據權利要求5所述的基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，對極限學習機的改進步驟如下：
(a)初始化極限學習機網絡結構輸入參數；
(b)設定最大迭代次數L，種群規模U，根據訓練集作為輸入數據確定多元宇宙優化算法中的初始化宇宙的位置；
(c)以訓練集作為輸入數據訓練極限學習機網絡并計算粒子的適應度值，并以最佳適應度值的個體位置為當前個體宇宙位置，并利用如下公式更新個體宇宙位置：
其中，μ為自適應壓縮因子，Xj為當前最優宇宙的第j個物體，lbj表示下限，ubj表示下限，r2、r3是[0,1]范圍內的隨機數，WEP表示多元宇宙空間中蟲洞存在的概率，TDR表示物體朝著當前最優宇宙移動的步長；
其中，l為當前迭代次數，L為最大迭代次數，WEPmin＝0.2，WEPmax＝1，p表示開采度，取值為6；
(d)判斷多元宇宙優化算法是否達到最大迭代次數L，如果是則算法終止，否則步驟(c)繼續迭代；
(e)步驟(d)中得到的最優宇宙位置數值作為優化極限學習機的參數。
7.根據權利要求1所述的基于CLMVO-ELM的溶解氧濃度預測方法，其特征在于，水質數據包括溫度、亞硝酸鹽、氨氮、總氮、硝酸鹽和溶解氧。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于淮陰工學院，未經淮陰工學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110738556.0/1.html，轉載請聲明來源鉆瓜專利網。
