[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

本發明公開了一種基于異構遷移學習的出水總磷智能預測方法，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；利用歷史數據集和梯度下降算法對初始總磷智能預測模型進行訓練；從訓練后的初始總磷智能預測模型中提取參數知識，并基于參數知識，利用拉格朗日算法得到映射知識；基于映射知識和歷史數據集，優化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，并應用訓練后的總磷智能預測模型進行預測，得到預測出水總磷。本發明對參數知識進行校正得到映射知識，利用映射知識和歷史數據完成對總磷智能預測模型參數，即當前模型參數的調整，實現出水總磷的精準預測。

技術領域

本發明屬于污水處理技術領域，更具體地，涉及一種基于異構遷移學習的出水總磷智能預測方法及電子設備。

背景技術

隨著污水處理技術提高，污水中有機物污染得到遏制，但氮、磷等營養物超標排放使水體污染仍然十分嚴重。其中，污水處理廠出水總磷濃度是水中各種正磷酸鹽的總和，是衡量水質好壞的重要指標，也是水體富營養化的主要原因。

為了實時監測水中各種正磷酸鹽的濃度，污水處理廠主要通過化學實驗方法來實現，該方法雖然能保證較精確的預測精度，但對操作環境要求高，預測時間長，無法滿足實時預測的要求。近年來，在線儀表預測可以實現出水水樣的自動預測，但儀器購買和儀器維護成本較高。因此，如何利用信息化技術實現低成本和高精度預測是研究的關鍵。由于人工神經網絡的非線性逼近能力和學習能力，可以對污水處理過程的非線性系統進行有效建模，為污水出水水質預測提供了一種新的方法。但人工神經網絡預測方法需要大量的數據來保證總氮預測的精度，數據缺失和數據不足會使預測模型失效。

因此，期待發明一種出水總磷智能預測方法，能夠有效解決現有技術中由于數據缺失和數據不足而導致基于神經網絡的預測模型失效的問題。

發明內容

本發明的目的是提出一種出水總磷智能預測方法，以解決現有技術中由于數據缺失和數據不足而導致基于神經網絡的預測模型失效的問題。

為了實現上述目的，本發明提供一種基于異構遷移學習的出水總磷智能預測方法，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。

可選地，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。

可選地，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：