[发明专利]一种基于集成神经网络的污水处理软测量方法

权利要求书

1.一种基于集成神经网络的污水处理软测量方法，其特征在于包括以下步骤：

(1).输入输出变量的选择；

在污水处理过程中，流量Q、进水浊度、进水固体悬浮物浓度SS、曝气池溶解氧DO、水温T、污水酸碱度pH、氧化还原电位ORP、混合液悬浮固体浓度MLSS以及出水固体悬浮物浓度SS对关键水质参数出水COD、出水BOD影响较大；流量Q、进水浊度、进水SS及NH₄⁺-N、曝气池溶解氧DO、T、pH、ORP、MLSS、NO₃^-以及出水SS、NH₄⁺-N对出水TN影响较大；将以上的参量精简输入变量与输出变量，具体的步骤包括变量数据的归一化处理、变量的主元分析，具体如下：

①.变量数据的归一化处理：在对数据进行主元分析之前，首先要对样本数据进行归一化处理，归一化的公式如下：

Dij*=Dij-Dj‾σj---(1)]]>

其中表示归一化后的样本数据，其中i为样本数，j为样本分量，D_ij表示第i个样本的第j个分量，为第j个样本分量的均值，σ_j为变量D_j的标准差，其中表示为：

Dj‾=1mΣi=1mDij---(2)]]>

式中m表示第j个样本分量的样本数，σ_j表示第j个样本分量的偏差，表示为：

σj=1m-1Σi=1m(Dij-Dj‾)2---(3)]]>

通过以上的归一化处理，样本数据被归一化到[-1,+1]之间；

②.变量的主元分析：下面对经过归一化后的样本数据进行主元分析，通过主元分析法，将子神经网络的输入样本个数减少，得到的最终输入变量的结果是：测量出水COD的输入辅助变量是进水流量Q、进水SS、曝气池DO、MLSS；测量出水BOD的输入辅助变量是进水流量Q、曝气池DO、MLSS、pH；测量出水TN的输入辅助变量是进水流量DO、NH₄-N、NO₃^-、进水浊度；

(2).建立各个子神经网络模型；

此集成神经网络包含三个子神经网络，每个子神经网络为一个三层的前馈神经网络，三个子神经网络的输出分别为出水COD、出水BOD、出水TN；

建立三个三层前馈神经网络模型，三个子神经网络的结构为l-k-1结构，根据实际情况，三个子神经网络中l，k取不同的值；

首先要对网络进行初始化，若网络选择l-k-1结构，则表示网络输入层有l个神经元，隐含层有k个神经元，输出层有1个神经元，x₁,x₂，...，x_l表示网络的输入，则对于输入层第p个神经元而言，其输出为：

YpI=XpI---(5)]]>

其中，表示网络输入层的输入，表示网络输入层的输出；

隐含层共有k个神经元，隐含层第q个神经元的输入为：

XqH=Σq=1wpqYpI---(6)]]>

其中，表示网络隐含层的输入，w_pq表示输入层与隐含层之间的连接权值；

隐含层第q个神经元的输出为：

YqH=fqH(XqH)---(7)]]>

其中，表示隐含层的输出，表示隐含层神经元的转换函数，在此选为sigmoid函数，其形式为：

fqH(XqH)=11+e-XqH---(8)]]>

输出层神经元的净输入为：

XO=Σq=1wqYqH---(9)]]>

其中，X^O表示输出层的输入，w_q为第q个神经元与输出层神经元之间的连接权值；

输出层神经元的输出，即网络的实际输出为：

y^O=f^O(X^O)                (10)

其中，y^O表示网络输出层的输出，f^O(X^O)为输出层神经元的线性作用函数，在此y^O表示为：

yO=Σq=1wqYqH---(11)]]>

定义误差函数为：

E=1MΣt=1M(yO(t)-y(t))T(yO(t)-y(t))---(12)]]>

其中，式中y^O(t)表示第t个样本的实际输出，y(t)为第t个样本的期望输出，M表示神经网络的样本数，T表示转置，训练神经网络的目的是使得式(12)定义的误差函数达到最小；

(3).子神经网络结构的确定及子网络的集成；

①.出水COD子神经网络软测量模型；

在集成神经网络中，对于出水COD的软测量采用一个三层的前馈神经网络，网络的输入辅助变量为进水流量Q、进水SS、曝气池DO、MLSS，网络的隐含层神经元个数选为10，输出神经元个数为1，输出为出水COD；

②.出水BOD子神经网络的软测量模型；

在污水处理过程中，出水BOD与出水COD之间存在着大的耦合关系，在多输入多输出神经网络对出水BOD的软测量中，充分利用这一耦合关系，即在测量出水BOD时其输入辅助变量在原先的输入变量基础上加入出水COD，这样测量的出水BOD比输入变量中单纯的只有流量Q、曝气池DO、MLSS、pH更加精确，同时隐含层神经元个数取12，输出层神经元个数为1，输出为出水BOD；

③.出水TN子神经网络的软测量模型；

在污水处理过程中，污水中含氮量与出水BOD之间的密切关系，因此为了更加准确的测量出水TN，在神经网络输入辅助变量中加入出水BOD，即输入变量变为DO、NH₄-N、NO₃^-、进水浊度、出水BOD，同时网络的隐含层神经元个数为13，输出层神经元个数为1，输出为出水TN；

④.子神经网络的集成；

确定各个网络的输入变量，输出变量，网络层数，网络隐含层个数后，即得到三个子神经网络，通过三个输出变量之间的关系进行集成，得到集成神经网络；

(4).对集成神经网络进行训练；

本集成神经网络是由三个子神经网络组成，每一个子网络单独训练，神经网络用粒子群算法进行训练，找到集成神经网络中各个子神经网络的权值，从而得到集成神经网络的模型；

(5).用训练好的神经网络模型对预测样本进行预测，将预测样本数据作为网络的输入，出水COD、出水BOD、出水TN作为网络的输出，得到预测结果。