[發明專利]一種基于寬度學習網絡的自來水廠的出水余氯預測方法

在審

• 申請號: 202210582208.3
• 申請日: 2022-05-26
• 公開（公告）號: CN114997486A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 王村松;張泉靈;韓凱超;何文敏;薄翠梅;張登峰;李俊
• 申請（專利權）人: 南京工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/08
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;徐冬濤

本發明公開了一種基于寬度學習網絡的自來水廠的出水余氯預測方法，包括以下步驟：首先對自來水廠的數據集進行標準化預處理，然后對標準化處理后的自來水廠數據集的輔助變量利用主成分分析方法(PCA)方法得到其低維的特征映射，再通過將輔助變量的低維特征映射作為輸入、目標變量作為輸出，最后使用求偽逆的方法訓練寬度學習網絡模型，得到自來水廠出水余氯預測模型。本發明克服了觀測數據存在的非線性、時變性、干擾性問題，為自來水廠日常的運行決策提供了技術參考。

技術領域

本發明涉及一種自來水廠關鍵水質參數預測方法，特別是涉及一種基于寬度學習網絡的自來水廠的出水余氯預測方法。

背景技術

水是生命之源，城市供水是保障區域經濟發展、人民生活水平的重要基礎設施。供水行業管理的能力直接反映在供水質量上，并且影響著整個國民生產水平、人民生活質量和供水企業的經濟效益。一直以來，我國供水行業傳統的計測手段、落后的制水控制和管理水平束縛了供水企業合理、安全、經濟的運行，隨著社會對供水質量和安全可靠性要求的不斷提高，利用先進高效的設備、加藥手段和方法，實現生產工藝自動化，加強水處理各個工藝環節的自動監測和自動控制對于現代化水廠的建設顯得意義重大，而在自來水廠現代化建設的過程中，對于自來水廠關鍵水質參數進行快速準確的預測，則對自來水廠日常的運行決策提供重要的依據和建議，這對推動現代化自來水廠的建設尤為重要。

目前，對于自來水廠關鍵水質參數的預測模型建模方法上，傳統機理模型大多使用機器學習方法，如支持向量機、線性回歸模型等，傳統機理模型依托于真實的工藝過程，可以從本質上很好的反映目標變量與輸入變量之間的關系，但現實生活中的工藝過程，往往存在一些容易被忽略的工藝細節，這就使得傳統的機理模型不能完全反映輸入輸出之間的關系。

因此，如何進行自來水廠關鍵水質參數的預測建模，是本領域需要解決的技術難題。

發明內容

發明目的：本發明要解決的技術問題是提供一種基于寬度學習的自來水廠關鍵水質參數預測的方法，在現有自來水廠觀測數據存在非線性、時變性、干擾性問題的情況下，解決了自來水廠出水余氯參數不能準確預測的問題，實現自來水廠出水余氯的準確實時預測，為自來水廠日常運行操作中的決策提供技術參考。

技術方案：本發明所述的基于寬度學習網絡的自來水廠出水余氯預測，包括以下步驟：

(1)對自來水廠數據集X(J×K)進行數據標準化預處理，其中，J為自來水廠各傳感器輸出的觀測變量的樣本個數，K為自來水廠的觀測數據的變量個數；

(2)根據步驟(1)的數據預處理結果，將預處理后的自來水廠數據經過主成分分析(PCA)處理，得到的觀測變量個數由K個減少為F個，得到代表自來水廠數據集的二維矩陣X(J×F)；

(3)將步驟(2)中所述的二維數據集X(J×F)和目標變量(出水余氯)中前80％的樣本作為訓練集、后20％的樣本作為驗證集，訓練寬度學習網絡模型，若驗證的R²決定系數大于0.95，則保留所訓練的寬度學習網絡模型后結束訓練，否則使用增量學習算法繼續訓練，直到滿足條件為止；

進一步的，步驟(2)中的數據預處理過程為：二維數據集X(J×F)，按列對各個變量進行標準化處理，從而消除在建模過程中各變量間的量綱影響，建立均值方差標準化是一種將數據轉化為標準正態分布的標準化方法，如下：

其中，x為自來水廠單個數據的取值，μ為變量對應列的均值，σ為變量對應列的標準差；

進一步的，步驟(2)中對預處理過后的數據進行的主成分分析方法為：

PCA通過線性變換將原始數據變換為一組各維度線性無關的表示，可用于提取數據的主要特征分量，常用于高維數據的降維。