[发明专利]一种基于神经网络算法的氨氮指标软测量方法

权利要求书

1.一种基于神经网络算法的氨氮指标软测量方法，包含输入层、隐藏层和输出层组成的神经网络算法模型，其特征在于所述输入层为与氨氮指标NH₃-N的摩尔浓度有相关关系的辅助变量，所述隐藏层为神经网络算法，所述输出层为氨氮浓度预测值，所述基于神经网络算法的氨氮指标软测量方法包括以下步骤：

步骤一，构建所述所述氨氮指标NH₃-N的摩尔浓度和所述辅助变量的测量方法，获得测试样本数据；

步骤二，构建所述神经网络算法模型，步骤如下：

(1)对数据进行预处理，读取数据，随机选取训练集和测试机，然后进行归一化；

(2)根据所述相关关系定义激活函数；

(3)初始化所述隐藏层中每个所述激活函数的权重；

(4)编写拟合函数，将所述测试样本的部分数据输入，求出所述氨氮指标NH₃-N的摩尔浓度输出值，并根据所述输出值与所述氨氮指标NH₃-N的摩尔浓度测量值之间的误差更新所述权重，直到所述输出值与所述氨氮指标NH₃-N的摩尔浓度的测量值之间的误差满足设定的阈值，将迭代调整的最终权重值作为所述神经网络算法模型的权重值；

(5)根据所述最终权重值对所述测试样本编写计算所述NH₃-N的摩尔浓度预测值的函数；

(6)根据所述计算预测值的函数对所述测试样本数据的剩余部分进行所述NH₃-N的摩尔浓度预测，评价标准为所述NH₃-N的摩尔浓度测量值与所述预测值之间的相关系数R²和均方根误差RMSE；

(7)将预测得到的数据还原成原始值。

2.如权利要求1所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，所述辅助变量为硝态氮NO₃^--N的摩尔浓度、溶解氧DO的摩尔浓度、有机物COD的浓度和ORP，其中所述氨氮指标NH₃-N的摩尔浓度与所述硝态氮NO₃^--N的摩尔浓度成线性关系，与所述溶解氧DO的摩尔浓度的平方成线性关系，与所述ORP对数成线性关系。

3.如权利要求1所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，步骤一所述测量方法包括以下步骤：

(1)启动在线监测系统中的进水泵，间隔2h启动自动取样器采集一个水样；

(2)按照《HJ 536-2009水质氨氮的测定水杨酸分光光度法》测定所述氨氮指标NH₃-N的摩尔浓度，将其换算成摩尔浓度，记作[NH₃-N]，作为NH₃-N实测值；

(3)获取取样时刻，所述溶解氧DO的摩尔浓度和ORP值，将其换算成摩尔浓度，分别记作[DO]、[ORP]；

(4)采用国标法，获取取样时刻，所述有机物COD的浓度和硝态氮NO₃^--N的摩尔浓度，将其换算成摩尔浓度，分别记作[COD]和[NO₃^--N]。

4.如权利要求1所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，激活函数包括sigmoid函数、对数函数、二次函数。

5.如权利要求4所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，所述sigmoid函数为f(x)＝1/(1+e^x)。

6.如权利要求4所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，所述对数函数为f(x)＝Log(x)。

7.如权利要求4所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，所述二次函数为f(x)＝x²。

8.如权利要求1所述的基于神经网络算法的氨氮指标软测量方法，其特征在于，步骤二中的第(4)步所述测试样本的部分数据为所述测试样本数据的80％。