[發明專利]基于BP神經網絡的IP指標測量方法在審
| 申請號： | 202210380622.6 | 申請日： | 2022-04-12 |
| 公開（公告）號： | CN114814092A | 公開（公告）日： | 2022-07-29 |
| 發明（設計）人： | 柳爽;谷占昊;王海峰;孫啟新;李寬 | 申請（專利權）人： | 上海應用技術大學 |
| 主分類號： | G01N33/00 | 分類號： | G01N33/00;G06N3/08 |
| 代理公司： | 上海漢聲知識產權代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200235 上海*** | 國省代碼： | 上海;31 |
| 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 bp 神經網絡 ip 指標 測量方法 | ||
1.一種基于BP神經網絡模型的IP指標測量方法，其特征在于，包包括：
步驟一，采集空氣的測試樣本數據，測定IP指標的測量值，獲取與IP指標相關的SO2、NO2、O3的濃度、風速和濕度的輔助變量；
步驟二，構建BP神經網絡模型，其中，所述BP神經網絡模型括：輸入層、隱藏層和輸出層組成的神經網絡算法模型，其中，所述輸入層為與IP指標相關的SO2、NO2和O3的濃度、風速和濕度的輔助變量，所述隱藏層為迭代優化算法，所述輸出層為IP指標的預測值，構建BP神經網絡模型包括：
(1)對測試樣本數據進行預處理，讀取預處理后的測試樣本數據，從預處理后的測試樣本數據中隨機選取訓練集和測試集，然后分別對訓練集和測試集進行數據歸一化；
(2)根據相關關系定義所述隱藏層中的每個激活函數；
(3)初始化所述隱藏層中的每個激活函數的權重和參數；
(4)編寫擬合函數，將所述測試樣本數據中的部分數據輸入，求出IP指標的輸出值，并根據IP指標的輸出值與IP指標的測量值之間的絕對誤差，更新激活函數的權重和參數，直到IP指標的輸出值與IP指標的測量值之間的誤差滿足設定的閾值，將迭代調整的最終權重值與參數作為所述網絡算法模型的權重值與參數；
(5)根據最終權重值與參數，對所述測試樣本數據編寫計算所述IP指標預測值的函數；
(6)根據計算預測值的函數，對所述測試樣本數據中的剩余部分進行IP指標的預測，以得到預測得到的數據，預測標準為所述IP指標的預測值與所述輔助變量去無量綱化數據之間的最優擬合函數；
(7)將預測得到的數據還原成原始值。
2.如權利要求1所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述輔助變量為SO2、NO2、O3的濃度、風速和濕度，其中IP指標的濃度與空氣中SO2、NO2的濃度成線性關系，IP指標的濃度與O3的濃度的對數成線性關系，IP指標的濃度與風速和濕度成指數函數關系。
3.如權利要求1所述的基于BP神經網絡的IP指標測量方法，其特征在于，步驟一包括：
(1)啟動監測系統，采集空氣的測試樣本數據；
(2)獲取空氣的測試樣本數據的采樣時刻的風速和濕度數值，分別記作[RH]和[bft]，分別將[RH]和[bft]等比例換算成統一計量單位。
(3)采用國標法，獲取空氣的測試樣本數據的采樣時刻的SO2、NO2和O3的濃度，分別記作[SO2]、[NO2]、[O3]，分別將[SO2]、[NO2]、[O3]等比例換算成統一單位。
4.如權利要求1所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述激活函數包括Relu函數、二次函數、對數函數和指數函數。
5.如權利要求4所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述Relu函數為f(x)＝max(0,x)。
6.如權利要求4所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述二次函數為f(x)＝ax2。
7.如權利要求4所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述對數函數為f(x)＝logb(x)。
8.如權利要求4所述的基于BP神經網絡的IP指標測量方法，其特征在于，所述指數函數為f(x)＝ce-t。
9.如權利要求1所述的基于BP神經網絡的IP指標測量方法，其特征在于，步驟二中的第(4)步所述測試樣本數據中的部分數據為所述測試樣本數據中的85％的數據。
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上海應用技術大學，未經上海應用技術大學許可，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/202210380622.6/1.html，轉載請聲明來源鉆瓜專利網。
