[发明专利]一种基于MEA‑BP神经网络的船用反渗透海水淡化系统性能预测方法

摘要

一种基于MEA‑BP神经网络的船用反渗透海水淡化系统性能预测方法，包括以下步骤：1)海水浓度、进水流量、温度和操作压力作为MEA‑BP神经网络的模型的输入变量；淡水流量、能耗和产水电导率作为输出变量；2)确定各个影响因素的取值范围，针对影响因素进行均匀正交试验，记录并分析试验结果，作为学习样本和测试样本；3)根据输入变量和输出变量确定BP神经网络的拓扑结构；4)利用MEA对BP神经网络的初始权值和阈值进行优化；5)将经优化得到的权值和阈值作为BP神经网络的初始权值和阈值，并利用学习样本对BP神经网络进行训练；6)训练完成，输入测试样本验证后，进行仿真预测。本发明速度快、精度较高、适用性较好。

主权项

一种基于MEA‑BP神经网络的船用反渗透海水淡化系统性能预测方法，其特征在于：所述预测方法包括以下步骤：S1.确定船用反渗透海水淡化系统性能的影响因素：海水浓度、进水流量、温度和操作压力，并将所述影响因素作为MEA‑BP神经网络模型的输入变量；确定船用反渗透海水淡化系统性能指标为淡水流量、能耗和产水电导率，将所述性能指标作为MEA‑BP神经网络模型的输出变量；S2.确定各个影响因素的取值范围，针对船用反渗透海水淡化装置进行均匀正交试验，并将试验结果作为MEA‑BP神经网络模型的学习样本和测试样本；S3.根据船用反渗透海水淡化系统的输入变量和输出变量确定BP神经网络的拓扑结构；S4.在训练BP网络神经之前，利用MEA对BP神经网络的初始权值和阈值进行优化；S5.将经MEA优化得到的权值和阈值作为BP神经网络的初始权值和阈值，并利用学习样本对BP神经网络进行训练；S6.BP神经网络训练完成后，输入测试样本，验证MEA‑BP神经网络能否合理预测出船用反渗透海水淡化系统性能，随后输入待预测样本，输出量为预测结果。