[发明专利]一种基于卷积极限学习机预测食品废水进水水质的方法

摘要

本发明公开了一种基于卷积极限学习机预测食品废水进水水质的方法，包括以下步骤：S1、特征学习部分：构建3层结构的卷积神经网络，S2、参数转换部分：将卷积神经网络的输出参数输入到极限学习机中；S3、分类学习部分：训练极限学习机的参数，根据极限学习机训练公式计算其参数，形成食品加工废水进水水质预测网络。本发明采用将卷积神经网络和极限学习机结合，利用卷积神经网络进行特征提取和极限学习机进行分类，从而达到对食品加工废水水质进行预测的目的，效果特别好，十分值得推广。

主权项

1.一种基于卷积极限学习机预测食品废水进水水质的方法，其特征在于，包括以下步骤：S1、特征学习部分：构建3层结构的卷积神经网络，包括输入层、卷积层和采样层，利用梯度下降法训练卷积神经网络的参数，利用卷积神经网络对食品加工废水进水水质进行特征提取；S2、参数转换部分：将卷积神经网络的输出参数输入到极限学习机中；输入：食品加工废水的训练样本和对应的期望输出，(xi，yi)，其中i＝1，2...N；其中，xi表示食品加工废水的进水水质监测指标，yi表示食品加工废水的进水水质，N表示样本数量；S3、分类学习部分：训练极限学习机的参数，根据极限学习机训练公式计算其参数，形成食品加工废水进水水质预测网络；输出：训练好的水质预测模型，(1)初始化卷积神经网络参数，目标精度ε和最大迭代数n；(2)当不满足目标精度并且没有达到最大迭代次数时，进行如下步骤：根据公式xl＝f((xl‑1*wl‑1)(t))，学习参数W；其中，f为sigmoid函数；(3)根据公式Hβ＝Y计算出H和β；最后，利用训练好的水质预测模型对食品加工废水进水水质进行预测。