[發明專利]基于混合神經網絡的濕地出水氨氮濃度預測方法及系統

在審

• 申請號: 202210129285.3
• 申請日: 2022-02-11
• 公開（公告）號: CN114707692A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 楊博文;馮驍馳
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 深圳市添源創鑫知識產權代理有限公司 44855
• 代理人: 覃迎峰

1.一種基于混合神經網絡的濕地出水氨氮濃度預測方法，其特征在于，其包括：

步驟S1，對獲取的人工濕地進水斷面的水質環境數據進行預處理，得到輸入數據；其中所述水質環境數據包括水質指標、水量指標和大氣環境指標三類，所述水質環境數據的指標不少于8個；

步驟S2，采用輸入數據構建訓練集和測試集，采用BP神經網絡構建預測模型；

步驟S3，采用遺傳算法對BP神經網絡的權職和閾值進行優化，得到優化的權值和閾值，再將優化好的權值和閾值帶入神經網絡中，完成對神經網絡的優化，得到優化好的模型；

步驟S4，對步驟S3中優化好的模型，采用LM算法進行訓練，得到最佳水質參數預測模型；

步驟S5，利用測試集對待預測的人工濕地氨氮濃度進行預測。

2.根據權利要求1所述的基于混合神經網絡的濕地出水氨氮濃度預測方法，其特征在于：所述水質指標包括進水COD值、TP值、SS值、TN值、BOD5值、pH值、出水氨氮值，所述水量指標包括進水流速和降雨量，所述大氣環境指標包括溫度、濕度、大氣壓。

3.根據權利要求2所述的基于混合神經網絡的濕地出水氨氮濃度預測方法，其特征在于：步驟S1中，對除出水氨氮外的各個指標數據進行標準化處理，轉化為均值為0、方差為1的數列，采用主成分分析法進行數據降維，提取累計貢獻率大于設定閾值的樣本參數作為輸入數據；

所述標準化處理，采用如下公式進行：

其中，y_i為該指標標準化處理后的值，max{x_j}為該指標的最大值，min{x_j}為該指標的最小值，x_i為該指標進行標準化處理前的數值。

4.根據權利要求3所述的基于混合神經網絡的濕地出水氨氮濃度預測方法，其特征在于：步驟S4采用LM算法進行訓練包括：

步驟S401，獲取訓練集的數據；

步驟S402，輸入前期優化的權值和閾值，并設定精度；

步驟S403，計算初始誤差函數R(x)；

誤差函數：R(x)＝|f(x)-g(x)|

其中f(x)為初始模型計算結果值，g(x)為真實值；

步驟S404，構造雅可比矩陣，設定初始修正因子，解如下所述的超定方程：

x_t+1＝x_t-(J^TJ+λI_n)^-1J^Tr

其中J表示雅克比矩陣，I_n為單位矩陣，λ為修正因子，r為誤差函數結果值；

雅可比矩陣為：其中矩陣中的各項為誤差函數模型的一階偏導數；

初始修正因子根據如下公式計算得到：

A₀＝J(x₀)^TJ(x₀)

其中，J(x₀)為x₀的雅可比矩陣，u₀為初始修正因子，x₀為初始降維后所得輸入值，為A₀的對角線元素，τ為0～1間的隨機值；

步驟S405，將超定方程的計算結果x_t+1，帶入誤差函數R(x)比較R(x_t)與R(x_t+1)，調整修正因子大小；如果誤差減小，則減少修正因子，同時修正權值和閾值；如果誤差增大，則增大修正因子；直到達到設定的精度，輸出最終解。