[发明专利]基于灰色神经网络组合模型的污水处理出水参数预测方法

权利要求书

1.一种基于灰色神经网络组合模型的污水处理出水参数预测方法，其特征在于，包括：

获取历史的进水参数数列x(t)并进行累加处理后形成累加数列y(t)；

根据累加数列y(t)建立灰色神经网络并利用灰色神经网络对历史出水参数进行预测；在预测的过程中采用改进的粒子群算法进行灰色神经网络的优化，优化的步骤如下：

步骤一，初始化改进的粒子群算法内的参数；

步骤二，计算每个离子的粒子的适应度f：

$f=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{m}{\Σ}}|y_{ij}-t_{ij}|---\left(1\right)$

其中，y_ij为测试样本总群X的预测值；t_ij为测试样本总群X的真实值；n为测试样本的个数；m为输出节点的个数；

步骤三，根据计算的适应度f，找出最小适应度f_min对应的粒子个体X_min，令X^*＝X_min，f^*＝f_min，则X^*为最优粒子，f^*为最优适应度；

步骤四，按照以下公式优化每个粒子的位置X_i和速度V_i；

$v_{id}^{k+1}={\mathrm{\ωv}}_{id}^k+c_1{r}_1(p_{id}^k-x_{id}^k)+c_2{r}_2(g_d^k-x_{id}^k)---\left(2\right)$

$x_{id}^{k+1}=x_{id}^k+v_{id}^{k+1}---\left(3\right)$

样本种群X＝(X₁，X₂，…，X_n)；其中粒子i的位置信息表示为X_i＝(x_i1，x_i2，…，x_id)^T；速度信息表示为V_i＝(v_i1，v_i2，…，v_id)^T；粒子i的个体极值点为P_i＝(p_i1，p_i2，…，p_id)^T；种群的全局极值点为G＝(g₁，g₂，…，g_d)^T；表示粒子i在第k次迭代第d维的速度；c₁，c₂为加速系数；r₁，r₂为[0,1]之间的随机数；ω为惯性因子；为第k次迭代第d维的全局极值点；

步骤五，以变异遗传概率P对粒子X_i的位置进行更新，产生新的粒子X_i′并线性递减惯性权重，计算新的粒子X_i′的适应度f′；比较f和f′的大小，若f＞f′，则令X_i＝X_i′；

步骤六，对于更新后的种群，找出最小的f_min，及其对应的X_min，若f_min＜f^*，则令X^*＝X_min，否则不进行变换；

步骤七，重复步骤四至步骤六，当迭代次数达到最大值时结束循环，输出f^*，X^*；把X^*的值赋给参数a，b_i，实现灰色神经网络的优化；

根据优化后的神经网络进行当前出水参数的预测；

采用马尔科夫链对计算所得的当前的出水参数进行修正。