[发明专利]一种城市综合管廊气体浓度检测方法及系统

权利要求书

1.一种城市综合管廊气体浓度检测方法，其特征在于，所述方法包括：

确定神经网络模型；

获取光信号值，根据所述神经网络模型，确定气体浓度。

2.根据权利要求1所述的方法，其特征在于，所述确定神经网络模型的步骤包括：

获取训练样本集合，所述训练样本集合包括由不同时刻的光信号值和与光信号值对应的气体浓度组成的若干组样本，其中，所述光信号值由光检测器检测得到，气体浓度由气体浓度仪检测得到；

构建初始神经网络模型，所述初始神经网络模型包括激活函数，所述激活函数包括神经网络权重和神经网络偏置；

根据所述训练样本集合，训练所述初始神经网络模型，确定神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练样本集合，训练所述初始神经网络模型，确定神经网络模型的步骤包括：

获取所述训练样本集合中的一组样本；

利用所述样本训练所述初始神经网络模型，生成新的初始神经网络模型，将初始神经网络模型更新为新的初始神经网络模型；

根据初始神经网络模型和训练样本集合，确定集合损失值；

如果集合损失值小于或预设集合损失值，则确定初始神经网络模型为神经网络模型；

如果集合损失值大于或等于预设集合损失值，则确定训练次数和样本损失值；

如果训练次数大于预设训练次数，和/或，样本损失值小于预设样本损失值，则获取训练样本集合中的下一组样本，重复执行所述利用样本训练所述初始神经网络模型的步骤，直至样本获取次数等于训练样本集合中的样本数量；

如果训练次数小于或等于预设训练次数，且样本损失值大于预设样本损失值，则重复执行所述利用所述样本训练所述初始神经网络模型的步骤。

4.根据权利要求3所述的方法，其特征在于，所述样本损失值按照以下公式计算：

Z(x_i，y_i)＝[j(x_i)-y_i]²；

其中，Z(x_i，y_i)为样本损失值；j(x_i)为预测气体浓度；x_i为光信号值；y_i为光信号值对应的气体浓度；i为样本序号，整数；预测气体浓度为光信号值利用初始神经网络模型计算得到的气体浓度。

5.根据权利要求3所述的方法，其特征在于，所述集合样本损失值按照以下公式计算：

其中，H(x_i，y_i)为集合样本损失值；j(x_i)为预测气体浓度；x_i为光信号值；y_i为光信号值对应的气体浓度；i为样本序号，整数；N为训练样本集合中的样本总数；预测气体浓度为光信号值利用初始神经网络模型计算得到的气体浓度。

6.根据权利要求1所述的方法，其特征在于，所述利用所述样本训练所述初始神经网络模型，通过梯度下降算法，确定新的初始神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述利用所述样本训练所述初始神经网络模型，通过梯度下降算法，确定新的初始神经网络模型的步骤包括：

根据样本中的光信号值和初始神经网络模型，得到预测气体浓度；

计算所述预测气体浓度，与光信号值对应的气体浓度的误差；

根据误差，调整初始神经网络模型中的神经网络权重和神经网络偏置；

根据神经网络权重和神经网络偏置，确定新的初始神经网络模型。

8.根据权利要求2所述的方法，其特征在于，所述构建初始神经网络模型中的激活函数包括Sigmoid函数或Tanh函数。

9.一种城市综合管廊气体浓度检测系统，其特征在于，所述系统包括：

第一确定单元，用于确定神经网络模型；

第二确定单元，用于获取光信号值，根据所述神经网络模型，确定气体浓度。