[发明专利]炼化污水COD的软测量方法和装置及机器可读存储介质

权利要求书

1.一种炼化污水COD的软测量方法，其特征在于，该软测量方法包括：

获取用于训练的辅助变量的测量值和COD样本数据，其中所述辅助变量包括以下参数：挥发性有机物、温度、pH及浊度；

获取用于测量的辅助变量的测量值；

基于所述用于训练的辅助变量的测量值和与所述COD样本数据训练神经网络模型；以及

基于训练之后的神经网络模型及获取的用于测量的辅助变量的测量值确定所述炼化污水COD的软测量结果；

其中，所述基于所述用于训练的辅助变量的测量值和与所述COD样本数据训练神经网络模型包括：

基于所述用于训练的辅助变量的测量值和神经网络模型确定所述神经网络模型的输出值，其中，在神经网络模型中，每一节点的输入值为该节点所在层的上一层的所有节点的输出值的线性组合，每一节点的输出值基于该节点的输入值和激励函数而被确定；以及

在所述神经网络模型的输出值与所述COD样本数据不符合预设条件的情况下，通过以下方式对所述神经网络模型进行训练：

基于所述神经网络模型的输出值和所述COD样本数据构建代价函数，以所述代价函数为基础，从所述神经网络的最后一层起逐层确定所述代价函数对所述线性组合中的系数求导后的函数形式，根据求导后的函数形式的值来调节所述系数；和/或

调节所述神经网络模型的层数和/或所述神经网络模型中的至少一层中的节点数以训练所述神经网络模型。

2.根据权利要求1所述的软测量方法，其特征在于，所述线性组合为：为从与所述神经网络模型的l-1层的第k个节点到第j个节点的权重，为所述神经网络模型的第l层的第j个节点的输入误差，为所述神经网络模型的第l层的第j个节点的输入，为所述神经网络模型的第l-1层的第k个节点的输出。

3.根据权利要求1所述的软测量方法，其特征在于，所述代价函数为：其中，y为所述COD样本数据，a^L为所述神经网络模型的输出值。

4.根据权利要求1所述的软测量方法，其特征在于，所述调节所述系数包括：

在所述求导后的函数形式的值大于0的情况下，减小所述系数；

在所述求导后的函数形式的值等于0的情况下，不改变所述系数；以及

在所述求导后的函数形式的值小于0的情况下，增大所述系数。

5.根据权利要求1-4中任一项所述的软测量方法，其特征在于，所述挥发性有机物的测量值包括光离子化检测器的测量值和氢火焰离子化检测器的测量值。

6.根据权利要求5所述的软测量方法，其特征在于，所述训练之后的神经网络模型包括四层，分别是输入层、两层隐含层和输出层，其中所述输入层包括5个节点，该5个节点分别是所述光离子化检测器的测量值、所述氢火焰离子化检测器的测量值、所述温度的测量值、所述pH的测量值及所述浊度的测量值，所述两层隐含层中的每一隐含层均包括50个节点，所述输出层包括1个节点。

7.根据权利要求5所述的软测量方法，其特征在于，所述训练之后的神经网络模型中的每一节点基于sigmoid函数和该节点的输入获取该节点的输出。