[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

摘要

本发明提供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，该方法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；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。

主权项

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=1nΣi=1nΣj=1m|yij-tij|---(1)]]>其中，yij为测试样本总群X的预测值；tij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fmin对应的粒子个体Xmin，令X*＝Xmin，f*＝fmin，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Xi和速度Vi；vidk+1=ωvidk+c1r1(pidk-xidk)+c2r2(gdk-xidk)---(2)]]>xidk+1=xidk+vidk+1---(3)]]>样本种群X＝(X1，X2，…，Xn)；其中粒子i的位置信息表示为Xi＝(xi1，xi2，…，xid)T；速度信息表示为Vi＝(vi1，vi2，…，vid)T；粒子i的个体极值点为Pi＝(pi1，pi2，…，pid)T；种群的全局极值点为G＝(g1，g2，…，gd)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Xi的位置进行更新，产生新的粒子Xi′并线性递减惯性权重，计算新的粒子Xi′的适应度f′；比较f和f′的大小，若f＞f′，则令Xi＝Xi′；步骤六，对于更新后的种群，找出最小的fmin，及其对应的Xmin，若fmin＜f*，则令X*＝Xmin，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，bi，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。