一种基于神经网络的出水NH4-N软测量方法

本发明涉及水处理，特别是涉及一种基于神经网络的出水nh4-n软测量方法。

背景技术：

1、随着当今社会城市化和工业化的快速发展，我国水环境已受到严重破坏。污水排放不仅严重影响居民的日常生活，而且破坏了大自然的生态平衡。为了降低污水的排放量，实现水的循环利用，全国各地纷纷建立了污水处理厂。在污水处理过程中，nh4-n浓度是衡量污水处理工艺(wwtp)性能的一个重要参数，然而由于污水处理过程是一个具有高度非线性、大滞后、大时变、多变量耦合等特点的复杂系统，而且维护成本较高，因此对其进行预测仍然是一个悬而未决的问题。因此，如何低成本、高效率地对出水nh4-n的浓度进行预测对于出水水质的达标考核以及污水处理厂的稳定运行是非常有必要的。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种基于神经网络的出水nh4-n软测量方法，本发明通过将差分进化算法与条件数分析结合应用于构建新型回声状态网络，能够对污水处理过程中氨氮浓度进行预测。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于神经网络的出水nh4-n软测量方法，包括：

4、构建回声状态网络，并对所述回声状态网络的网络结构及网络参数进行初始化；所述回声状态网络的输入变量包括进水温度、总固体悬浮物、溶解氧浓度、ph值以及出水氧化还原电位；所述回声状态网络的输出变量包括氨氮浓度；

5、基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池；

6、根据条件数和差分进化算法优化所述子储备池；

7、对优化后的所述子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值；

8、根据输出权值和测试样本对所述回声状态网络进行测试，得到确定好的出水nh4-n检测模型；

9、将待检测数据输入至确定好的出水nh4-n检测模型中，得到检测结果。

10、优选地，对所述回声状态网络的网络结构及网络参数进行初始化，包括：

11、确定所述回声状态网络的初始结构为5-n-1；其中n表示子储备池节点个数；n的大小是逐渐增加；

12、将sigmoid函数作为网络激活函数g(·)，确定初始迭代次数i＝1，最大迭代次数imax≤30，训练样本其中，uk表示第k组输入样本，tk表示第k组实际输出值，表示输入样本维度为n，l为样本总数；

13、随机初始化网络输入权值win和储备池内部权值w在(0,1)之间。

14、优选地，所述基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池，包括：

15、随机生成一个对角矩阵以及两个正交矩阵ui和vi；其中，为随机生成的在(0,1)之间数值，nk为子储备池节点个数；

16、利用所述对角矩阵和两个所述正交矩阵构造子储备池δwi＝uisivi。

17、优选地，所述根据条件数和差分进化算法优化所述子储备池，包括：

18、构建适应度函数fitness(δwi)＝κ(hi)-κ(hi-1)；其中，κ(hi)代表新的子储备池加入后，储备池对应的状态矩阵的条件数；

19、初始化初始种群np＝50，变异算子f＝0.7，交叉算子cr＝0.5，并初始化种群其中n∈{1,2…,np}，并设置最大迭代次数g；

20、根据公式得到变异个体μn；其中，r1,r2,r3∈[1,np]为三个互不相同的整数；

21、通过完成交叉操作，对于每一个独立个体得到交叉个体其中，j∈{1,2…,10}，rand∈(0,1)是随机生成的；

22、当算法达到最大迭代次数后，终止算法流程，返回最优个体，并利用所述最优个体构造新的子储备池。

23、优选地，所述对优化后的所述子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值，包括：

24、将储备池权值更新为

25、将输入权值更新为

26、将状态矩阵更新为h＝[h1,…,hi]；

27、若满足i≥imax，则执行下一步骤，否则返回步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；

28、通过公式wout＝hγt计算输出权值wout；其中，γ代表伪逆计算，t为目标输出数据。

29、根据本发明提供的具体实施例，本发明公开了以下技术效果：

30、本发明提供了一种基于神经网络的出水nh4-n软测量方法，包括：构建回声状态网络，并对所述回声状态网络的网络结构及网络参数进行初始化；所述回声状态网络的输入变量包括进水温度、总固体悬浮物、溶解氧浓度、ph值以及出水氧化还原电位；所述回声状态网络的输出变量包括氨氮浓度；基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池；根据条件数和差分进化算法优化所述子储备池；对优化后的所述子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值；根据输出权值和测试样本对所述回声状态网络进行测试，得到确定好的出水nh4-n检测模型；将待检测数据输入至确定好的出水nh4-n检测模型中，得到检测结果。本发明为污水处理过程中关键水质参数的测量提供了一种高效快速的解决方案。

技术特征：

1.一种基于神经网络的出水nh4-n软测量方法，其特征在于，包括：

2.根据权利要求1所述的基于神经网络的出水nh4-n软测量方法，其特征在于，对所述回声状态网络的网络结构及网络参数进行初始化，包括：

3.根据权利要求2所述的基于神经网络的出水nh4-n软测量方法，其特征在于，所述基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池，包括：

4.根据权利要求3所述的基于神经网络的出水nh4-n软测量方法，其特征在于，所述根据条件数和差分进化算法优化所述子储备池，包括：

5.根据权利要求4所述的基于神经网络的出水nh4-n软测量方法，其特征在于，所述对优化后的所述子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值，包括：

技术总结
本发明提供了一种基于神经网络的出水NH4‑N软测量方法，包括：对构建的回声状态网络的网络结构及网络参数进行初始化；基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池；根据条件数和差分进化算法优化子储备池；对优化后的子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值；根据输出权值和测试样本对回声状态网络进行测试，得到确定好的出水NH4‑N检测模型；将待检测数据输入至确定好的出水NH4‑N检测模型中，得到检测结果。本发明为污水处理过程中关键水质参数的测量提供了一种高效快速的解决方案。

技术研发人员：杨翠丽,乔俊飞,王明星,刘阳,王明,顾明珠,白冉
受保护的技术使用者：北京工业大学
技术研发日：
技术公布日：2024/1/12