[發明專利]一種基于異構遷移學習的出水總磷智能預測方法

在審

• 申請號: 202210290356.8
• 申請日: 2022-03-23
• 公開（公告）號: CN114818468A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 何政;黃文佳;魏晗笑;張璐;韓紅桂;劉洪旭;伍小龍;喬俊飛
• 申請（專利權）人: 北京北排水環境發展有限公司;北京工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G16C20/20;G16C20/70;G06N3/04;G06N3/08;G06N5/04;G06K9/62;G06F17/16;G06F17/18;G06F111/08
• 代理公司: 北京思創大成知識產權代理有限公司 11614
• 代理人: 高爽

1.一種基于異構遷移學習的出水總磷智能預測方法，其特征在于，包括：

獲取歷史數據集；

建立基于模糊神經網絡的初始總磷智能預測模型；

利用所述歷史數據集和梯度下降算法對所述初始總磷智能預測模型進行訓練；

從訓練后的所述初始總磷智能預測模型中提取參數知識，并基于所述參數知識，利用拉格朗日算法得到映射知識；

基于所述映射知識和所述歷史數據集，優化所述初始總磷智能預測模型的參數，得到訓練后的總磷智能預測模型；

獲取當前輸入數據集，并應用所述訓練后的總磷智能預測模型進行預測，得到預測出水總磷。

2.根據權利要求1所述的基于異構遷移學習的出水總磷智能預測方法，其特征在于，

所述建立基于模糊神經網絡的初始總磷智能預測模型包括：

確定所述初始總磷智能預測模型的拓撲結構，所述拓撲結構包括輸入層、隱含層、規則層和輸出層；

確定所述初始總磷智能預測模型的初始連接方式；

其中，所述輸出層的輸出表示為：

其中，y(t)為t時刻所述初始總磷智能預測模型的輸出，w^k(t)為t時刻第k個所述規則層神經元與所述輸出層神經元之間的權值，v^k(t)為t時刻所述規則層第k個神經元的輸出值，M1為所述規則層的神經元數量。

3.根據權利要求1所述的基于異構遷移學習的出水總磷智能預測方法，其特征在于，

所述歷史數據集包括秋冬季歷史數據集和春夏季歷史數據集；

所述利用所述歷史數據集和梯度下降算法對所述初始總磷智能預測模型進行訓練包括：

利用所述秋冬季歷史數據對所述初始總磷智能預測模型進行訓練，得到秋冬季總磷智能預測模型，并利用所述春夏季歷史數據對所述初始總磷智能預測模型進行訓練，得到春夏季總磷智能預測模型；

利用梯度下降算法分別對所述秋冬季總磷智能預測模型和所述春夏季總磷智能預測模型進行訓練。

4.根據權利要求3所述的基于異構遷移學習的出水總磷智能預測方法，其特征在于，

所述秋冬季總磷智能預測模型為

其中，y_Z(n1)為n1時刻所述秋冬季總磷智能預測模型的輸出，n1＝1,…, N1，N1為所述秋冬季歷史數據集的時間跨度，為第n1時刻所述輸入層第q個神經元的輸出，為n1時刻所述秋冬季總磷智能預測模型第k個所述規則層神經元與所述輸出層神經元之間的權值，在區間[-1,1]中隨機取值；為n1時刻所述秋冬季總磷智能預測模型第k個所述隱含層神經元的第p個隸屬度函數的中心，在區間(0,1]中隨機取值；為n1時刻所述秋冬季總磷智能預測模型第k個所述隱含層神經元的第p個隸屬度函數的寬度，在區間(0,1]中隨機取值，M2為所述輸入層的神經元數量；

所述春夏季總磷智能預測模型為

其中，y(n2)為n2時刻所述春夏季總磷智能預測模型的輸出，n2＝1,…,N2，N2為春夏季歷史數據集的時間跨度，x^q(n2)為第n2時刻所述輸入層第q個神經元的輸出，w^k(n2)為n2時刻所述春夏季總磷智能預測模型第k個所述規則層神經元與所述輸出層神經元之間的權值，在區間[-1,1]中隨機取值；c^pk(n2)為n2時刻所述春夏季總磷智能預測模型第k個所述隱含層神經元的第p個隸屬度函數的中心，在區間(0,1]中隨機取值；σ^pk(n2)為n2時刻所述春夏季總磷智能預測模型第k個所述隱含層神經元的第p個隸屬度函數的寬度，在區間(0,1]中隨機取值。