[发明专利]基于适应性和声搜索的水体叶绿素a软测量方法在审

专利信息
申请号: 201710577782.9 申请日: 2017-07-15
公开(公告)号: CN107300609A 公开(公告)日: 2017-10-27
发明(设计)人: 郭肇禄;巫光福;王洋;刘小生;李大海;董姗燕;余法红 申请(专利权)人: 江西理工大学
主分类号: G01N33/18 分类号: G01N33/18;G06N3/04
代理公司: 赣州凌云专利事务所36116 代理人: 曾上
地址: 341000 江*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于适应性和声搜索的水体叶绿素a软测量方法。本发明采用适应性和声搜索算法来优化设计三层感知器神经网络的参数,将优化设计的三层感知器神经网络作为水体叶绿素a的软测量模型。在适应性和声搜索算法中,将高斯采样算子与精英反向操作相结合,并根据当前的演化状态适应性地调整控制参数,从而增强算法的搜索能力,提高软测量模型的精度。本发明能够提高水体叶绿素a的软测量精度,提高水体叶绿素a的测量效率。
搜索关键词: 基于 适应性 和声 搜索 水体 叶绿素 测量方法
【主权项】:
一种基于适应性和声搜索的水体叶绿素a软测量方法,其特征在于,包括以下步骤:步骤1,在需要软测量的水域内连续YD天采集水体样本,并对水体样本进行检测,测量出水质相关的指标:氨氮、总氮、总磷、正磷酸盐、高锰酸盐指数、硝酸盐氮、水温、溶解氧、pH值、五日生化需氧量、叶绿素a,然后将采集的数据作为样本数据集,并对采集的样本数据集进行归一化处理;步骤2,用户初始化参数,所述初始化参数包括三层感知器神经网络隐含层神经元的个数BN,软测量跨度天数TD,和声库的大小HMS,最大评价次数MAX_FEs;步骤3,令当前演化代数t=0,当前评价次数FEs=0;步骤4,令选取概率HMCRt=0.9,扰动概率PARt=0.5;步骤5,令三层感知器神经网络的输入变量为归一化的一天的水质指标数据:氨氮、总氮、总磷、正磷酸盐、高锰酸盐指数、硝酸盐氮、水温、溶解氧、pH值、五日生化需氧量、叶绿素a,输出为归一化的TD天后的叶绿素a,然后确定三层感知器神经网络的隐含层和输出层的传递函数,并计算三层感知器神经网络的优化设计参数个数D=BN×13+1;步骤6,随机初始化和声库其中个体下标i=1,2,...,HMS;并且为和声库Pt中的第i个个体,个体存储了三层感知器神经网络的D个待优化设计参数;为个体中的第j个待优化设计参数,并且维度下标j=1,2,...,D;步骤7,计算和声库Pt中每个个体的适应值,然后令当前评价次数FEs=FEs+HMS;步骤8,保存和声库Pt中的最优个体Bestt和最差个体Worstt;步骤9,按公式(1)计算适应性因子cw:cw=rand(0,1)×0.1;   (1)其中rand为服从均匀分布的随机实数产生函数;步骤10,在[0,1]之间随机产生两个实数pa1和pa2,然后按公式(2)计算当前选取概率NHMCR和当前扰动概率NPAR:步骤11,执行适应性搜索操作产生一个新个体Ut,具体步骤如下:步骤11.1,令计数器kj=1;步骤11.2,如果计数器kj小于或等于D,则转到步骤11.3,否则转到步骤12;步骤11.3,在[0,1]之间产生一个随机实数pcr;步骤11.4,如果pcr小于NHMCR,则转到步骤11.5,否则转到步骤11.14;步骤11.5,在[1,HMS]之间产生一个随机正整数CR1;步骤11.6,令步骤11.7,在[0,1]之间产生一个随机实数pur;步骤11.8,如果pur小于NPAR,则转到步骤11.9,否则转到步骤11.20;步骤11.9,按公式(3)计算高斯均值cmu和高斯标准差cstd:cmu=Bestkjt+BCR1,kjt2cstd=|Bestkjt-BCR1,kjt|;---(3)]]>步骤11.10,随机生成一个以cmu为均值,cstd为标准差的高斯分布随机实数GMV;步骤11.11,令精英反向值其中CAkj为和声库Pt中第kj维的最小值,CBkj为和声库Pt中第kj维的最大值;步骤11.12,令其中权值系数NW为[0,1]之间的一个随机实数;步骤11.13,转到步骤11.20;步骤11.14,在[1,HMS]之间随机产生两个不相等的正整数TR1和TR2;步骤11.15,按公式(4)计算高斯均值rmu与高斯标准差rsd:rmu=BTR2,kjt+BTR1,kjt2rsd=|BTR2,kjt-BTR1,kjt|;---(4)]]>步骤11.16,随机生成一个以rmu为均值,rsd为标准差的高斯分布随机实数RMV;步骤11.17,令采样值步骤11.18,在[0,1]之间产生一个随机实数KP;步骤11.19,令步骤11.20,令计数器kj=kj+1,然后转到步骤11.2;步骤12,计算个体Ut的适应值;步骤13,按公式(5)更新选取概率HMCRt+1和扰动概率PARt+1:步骤14,如果个体Ut的适应值优于Worstt的适应值,则在和声库Pt中用个体Ut替换Worstt,否则丢弃个体Ut;步骤15,令当前评价次数FEs=FEs+1,并令当前演化代数t=t+1,然后保存和声库Pt中的最优个体Bestt和最差个体Worstt;步骤16,重复步骤9至步骤15,直至当前评价次数FEs达到MAX_FEs后结束,将执行过程中得到的最优个体Bestt解码为三层感知器神经网络的优化设计参数,并以得到的三层感知器神经网络作为软测量模型,即可实现水体叶绿素a的软测量。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710577782.9/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top