[发明专利]一种适用于水质评价的解耦合参评模型

说明书

本发明提供了一种适用于水质评价的解耦合参评模型，包括所述解耦合参评模型包括三层结构，用于接收输入并对所述水质获取参数集进行参数分解的参数分解层，所述参数分解层包括参数种类分解层和与所述参数种类分解层连接的多个参数数值分解层，每个参数数值分解层均由一个或多个分解单元构成；每个分解单元均具备其对应的数据中心和扩展宽度；每个分解单元均与一个BP神经网络对应连接；全部的BP神经网络构成了模糊神经层，所述模糊神经层中的各个BP神经网络均与加权输出层连接。本发明既能够对于某个水质指标进行处理，又能够适应实际情况添加水质指标或删减水质指标，具备较快的训练速度，能够得到高精度的水质判定结果，并且能够适应各种场景。

技术领域

本发明涉及污水处理领域，尤其涉及一种适用于水质评价的解耦合参评模型。

背景技术

目前常用的综合水质评价方法有以下几种：一是根据国家标准选择最差的指标按照分类进行评价；二是污染指数法；三是模糊综合指数法。这些方法对水质评价起到了积极的作用，但也存在一些不足。共同之处是不能科学地评判总体水质状况，并且各个场合使用不同的评价方法，难以进行普适性的评价。

发明内容

为了解决上述技术问题，本发明提出了一种适用于水质评价的解耦合参评模型。

本发明具体是以如下技术方案实现的：

一种适用于水质评价的解耦合参评模型，包括：

所述解耦合参评模型包括三层结构，用于接收输入并对所述水质获取参数集进行参数分解的参数分解层，所述参数分解层包括参数种类分解层和与所述参数种类分解层连接的多个参数数值分解层，每个参数数值分解层均由一个或多个分解单元构成；每个分解单元均具备其对应的数据中心和扩展宽度；

每个分解单元均与一个BP神经网络对应连接；全部的BP神经网络构成了模糊神经层，所述模糊神经层中的各个BP神经网络均与加权输出层连接。

优选的，所述参数种类分解层具体用于区分用于评价水质的各个参数，所述参数为水浊度、水色度、水温度、水PH值，水营养元素含量、水细菌含量、水化学需氧量、水五日生化需氧量和/或水悬浮物。

优选的，所述参数数值分解层具体用于选择具体对某个参数对水质影响进行评价的BP神经网络。

优选的，所述加权输出层用于对各个参与水质评价的BP神经网络的输出结果均进行加权求和，从而输出水质评价结果。

优选的，所述解耦合参评模型中各个BP神经网络均能够被单独提取出来并独立对水质进行评价。

优选的，所述解耦合参评模型中分解单元及其对应的BP神经网络同步训练，分解单元更新触发BP神经网络的更新。

本发明实施例公开了一种适用于水质评价的解耦合参评模型。解耦合参评模型既能够对于某个水质指标进行处理，又能够适应实际情况添加水质指标或删减水质指标，每个解耦合的单元均能够被单独训练不受整体影响，对于各个独立的BP神经网络可以进行并行训练，因此，所述解耦合参评模型具备较快的训练速度。对于水质获取参数集中各个参数对于水质输出的结果的影响采用分别训练的方式，充分考虑了各个参数的指向作用，并且在加权输出层中还考虑了在不同场景中各个参数导致水质发生的代价，因此，本发明实施例中基于解耦合参评模型获取水质的方法能够得到高精度的水质判定结果，并且能够适应各种场景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本发明实施例提供的一种水质获取方法流程图；