[发明专利]基于模糊神经网络预测污水水质数据的方法

权利要求书

1.一种基于模糊神经网络预测污水水质数据的方法，其特征在于包括以下步骤：

收集训练和测试与系统所需要的样本：提取和水区运行情况相关的多种水质指标，选择多种关键水质指标，同时选取出水后的状况，将选择出的多种关键水质指标进行归一化处理，将归一化后的多种关键水质指标以及出水后的状况作为样本，样本包括多个输入和一个输出并记做（x_i，y_i）；

对所有训练样本进行聚类：根据出水后的状况，将所述样本聚类为m组样本，根据这m组聚类好的样本得到m条模糊规则，每个组对应一条模糊规则，每条模糊规则对应一条神经网络，m代表模糊规则的个数；

原始训练样本集中的某个样本，被聚类到第i组，则所述训练样本的输出部分表示为y_i，表达式表示为，式中=1,…，m，神经网络的训练样本包括若干个输入和m个输出，对神经网络进行训练；

对每条模糊规则对应的神经网络采用与训练神经网络相同方式进行训练；

神经网络和神经网络训练稳定后，将归一化后的关键水质指标作为预测样本输入模糊神经网络中进行对干粉投药量的预测，通过神经网络的联想、分类和识别能力，则可获得水质状况及所需干粉投药量。

2.根据权利要求1所述的基于模糊神经网络预测污水水质数据的方法，其特征在于，所述对神经网络进行训练的具体过程为：

将所述训练样本中选取的关键水质指标进行归一化处理；

给出训练误差的允许值及权值和阈值所组成的向量，当时，为初始化权值和阈值组成的向量，k表示迭代次数；

当k=0,，得到网络输出及误差指标函数；k表示迭代次数，表示比例系数；

计算雅可比矩阵，计算公式如下：

根据雅可比矩阵得到公式，求得，迭代的权重和阈值所组成的向量，是矩阵的转置，表示比例系数，I表示单位矩阵，x表示水质指标；

若E（），则停止训练；

当迭代次数为时，以为权值和阈值组成的矩阵来计算,若，则更新权值和阈值组成的矩阵，更新方法为：令，令，回到计算网络输出及误差指标函数步骤，继续进行训练；，则不更新权值和阈值组成的矩阵，令，进入计算步骤，继续进行训练。

3.根据权利要求2所述的基于模糊神经网络预测污水水质数据的方法，其特征在于，根据公式

，求得的数值，是m组内对应的输出样本，表示输入，表示矩阵，表示隶属度，表示干粉投药量，当的值在网络的训练中等于小于时即可停止训练。