[发明专利]一种基于自适应回归核函数的污水处理过程能耗预测方法

权利要求书

1.一种基于自适应回归核函数的污水处理过程能耗预测方法，其特征 在于，包括以下步骤：

(1)确定能耗EC模型的输入与输出变量：选取与能耗EC相关的内部 变量为能耗EC模型的输入：硝态氮浓度S_NO，溶解氧浓度S_O，氨氮浓度 S_NH，混合悬浮物固体浓度MLSS；能耗EC模型的输出为能耗EC值；

(2)设计用于污水处理过程能耗EC的自适应回归核函数模型，将输入 与输出变量之间的关系通过自适应回归核函数表达，该自适应回归模型的 计算功能是：

y(t)＝W(t)·K(t)(1)

其中，y(t)表示t时刻自适应回归模型的输出；W(t)＝[w₁(t),w₂(t),…, w_N(t)]表示t时刻核函数连接权值向量，w_n(t)表示t时刻第n个核函数连接 权值，n＝1，2，…，N；N代表核函数个数，K(t)＝[K₁(t),K₂(t),...,K_N(t)]^T表示核函数向量，T表示转置，K_n(t)表示t时刻第n个核函数的值，其计算 功能是：

Kn(t)=e-||x(t)-cn(t)||2/2bn(t)2---(2)]]>

其中，x(t)＝[x₁(t)，x₂(t)，x₃(t)，x₄(t)]代表t时刻自适应回归核函数模型 的输入，x₁(t)表示t时刻硝态氮浓度S_NO，x₂(t)表示t时刻溶解氧浓度S_O， x₃(t)表示t时刻氨氮浓度S_NH，x₄(t)表示t时刻混合悬浮物固体浓度MLSS； C(t)＝[c₁(t),c₂(t),...,c_N(t)]^T表示t时刻核函数中心矩阵，c_n(t)＝[c_n1(t)，c_n2(t)， c_n3(t)，c_n4(t)]表示t时刻第n个核函数的中心，n＝1，2，…，N；b(t)＝[b₁(t), b₂(t),...,b_N(t)]^T表示t时刻核函数的宽度向量，b_n(t)表示t时刻第n个核函 数的宽度值；

(3)训练自适应回归核函数模型，具体为：

①给定自适应回归核函数模型的核函数个数为N，自适应回归核函数 模型的输入为x(1)，x(2)，…，x(t)，…，x(T)，对应的期望输出为y_d(1)，y_d(2)，…， y_d(t)，…，y_d(T)，T表示自适应回归核函数模型输入的训练样本数，期望误 差值设为E_d，E_d∈(0,0.01)，初始中心值c_n(1)中每个变量的赋值区间为[-2,2]， 初始中心宽度b_n(1)的赋值区间为[0,1]，n＝1，2，…，N；初始连接权值向量 W(1)中每个变量的赋值区间为[-1,1]；

②设置学习步数s＝1；

③t＝s，计算自适应回归核函数模型的误差平方和E(t)：

E(t)=12e2(t)---(3)]]>

其中，E(t)表示t时刻自适应回归核函数模型的误差平方和，e(t)表示t 时刻自适应回归核函数模型输出与期望输出之间的误差：

e(t)＝y(t)-y_d(t)(4)

其中，y(t)为t时刻自适应回归核函数模型的输出；y_d(t)为t时刻自适应 回归核函数模型的期望输出；

④调整自适应回归核函数模型的参数；

w_n(t+1)＝w_n(t)+Δw_n(t)(5)

c_n(t+1)＝c_n(t)+Δc_n(t)(6)

b_n(t+1)＝b_n(t)+Δb_n(t)(7)

其中，Δw_n(t)表示t时刻第n个核函数连接权值向量的调整量，Δc_n(t)表示 t时刻第n个核函数中心矩阵的调整量，Δb_n(t)表示t时刻第n个核函数宽度向 量的调整量，n＝1，2，…，N；其计算为：

其中，η₁∈(0,0.1)表示核函数连接权值的学习率，η₂∈(0,0.1)表示核函 数中心的学习率，η₃∈(0,0.1)表示核函数宽度的学习率，表示t时刻第 n个核函数连接权值的偏量，表示t时刻第n个核函数中心的偏量，表示t时刻第n个核函数宽度的偏量；其计算为

其中n＝1，2，…，N；

⑤学习步数s增加1，如果步数s<T，则转向步骤③进行继续训练，如 果s＝T转向步骤⑥；

⑥根据公式(3)计算自适应回归核函数模型的性能，如果E(t)≥E_d，则 转向步骤②进行继续训练，如果E(t)<E_d，则停止调整；

(4)将测试样本数据作为训练后的自适应回归核函数模型的输入，自 适应回归核函数模型的输出即为污水处理过程能耗EC的预测值。