[发明专利]一种基于神经网络的二噁英排放在线监测方法

权利要求书

1.一种基于神经网络的二噁英排放在线监测方法，其特征在于：包括神经网络模型和热脱附气相色谱耦合可调谐激光飞行时间质谱，所述热脱附气相色谱耦合可调谐激光飞行时间质谱在线检测二噁英指示物浓度，所述神经网络模型接收二噁英指示物浓度，输出二噁英浓度或二噁英毒性当量的预测值；其中，所述神经网络模型的具体构建步骤如下：

步骤一：构建数据库；对固废焚烧系统末端二噁英排放进行采集和分析，检测氯苯、氯酚单种同系物作为二噁英指示物；

步骤二：神经网络模型构建前期准备；

步骤三：神经网络模型训练和测试；

其中，所述步骤一包括如下内容：

S1：采用EPA23a方法检测二噁英排放量数据，作为原始数据，

其中，y表示二噁英浓度或二噁英毒性当量，yⁿ表示二噁英浓度或二噁英毒性当量的第n个样本；

S2：采用共振增强多光子电离-飞行时间质谱法采用热脱附气相色谱耦合可调谐激光飞行时间质谱在同一采样点同步检测氯苯或氯酚同系物的浓度；其表达式为：

其中，所述表示第i种二噁英指示物的第n个样本，且与yⁿ表示同一时间同一采样点得到的数据；

所述步骤二包括如下内容：SS1：计算二噁英指示物与二噁英浓度或二噁英毒性当量之间距离相关系数，取值范围为[0,1]，公式如下：

其中，x_i表示二噁英指示浓度，y表示二噁英浓度或二噁英毒性当量，dCor(x_i,y)为x_i与y的距离相关系数，dCov(x_i,y)、dCov(x_i,x_i)、dCov(y,y)为样本距离协方差，μ₁、μ₂、μ₃、η₁、η₂、η₃分别为距离协方差计算因子；

SS2：选择距离相关系数从高到低排序的前Z的二噁英指示物构建特征子集，作为模型的输入特征，其中，1≤Z≤5；

SS3：基于确定的特征子集，将数据库中除特征子集以外的输入特征删去，并按照一定的比例划分为训练集、验证集以及测试集，其中，训练集用于训练神经网络模型，验证集可以反应模型在训练过程中的泛化能力的变化并训练超参数，测试集用于测试神经网络的泛化能力。

2.如权利要求1所述的一种基于神经网络的二噁英排放在线监测方法，其特征在于：所述步骤三还包括如下内容：

SSS1:对数据库中的数据进行归一化处理，提高神经网络的学习能力，采用Min-Max归一化，对原始数据进行线性变换，缩放到[0，1]区间内，公式如下：

SSS2:构建BP神经网络，BP神经网络由输入层、单隐藏层和输出层构成，其中，输入层的神经元个数由输入特征数S₁决定，输出层的神经元个数1，隐藏层神经元个数S₂，

其中，表示训练样本通过神经网络的输出值，分别是输入层和隐藏层以及隐藏层和输出层的权重，为输入层和隐藏层、隐藏层和输出层之间的偏置项，g¹、g²分别是隐藏层和输出层的激活函数，在本实施例中，g¹选择tansig函数，g²选择线性激活函数，tansig函数的表达式为：

q为前一层传递过来的输入信号值；

SSS3:神经网络模型的调整。

3.如权利要求2所述的一种基于神经网络的二噁英排放在线监测方法，其特征在于：所述SSS3的具体步骤如下：

(1)计算神经网络的训练误差，选用均方误差作为模型的损失函数，其表达式如下：

其中，m表示每次迭代输入的训练模型样本数，表示训练样本的真实值，表示训练样本通过神经网络的输出值；

(2)采用GNBR算法对权重和阈值进行更新。

4.如权利要求3所述的一种基于神经网络的二噁英排放在线监测方法，其特征在于：所述步骤(2)的具体步骤如下：

①更改模型的损失函数，将原损失函数改为MSE和权重的组合，获得新的目标函数；

E^*＝βE+γS_w；

其中E^*为更新后的损失函数，S_w为权重的平方和，β和γ是损失函数的动态变化参数；

②利用LM算法对①所获的新目标函数进一步优化，该LM算法优化的迭代方程如下：

其中，w^δ和w^δ+1分别为优化前后的权重，α^δ为学习率，λ为正参数，I为单位矩阵，J_E*为雅可比矩阵，表示一阶偏导数按一定方式排列成的矩阵,采用来近似代替表示二阶偏导数的黑塞矩阵；

③计算有效参数个数其中，N表示需要优化的实际参数个数，tr()表示矩阵的迹，更新以及代入①中的目标函数；

④重复②和③，直至收敛，即J_E*减小到接近某个固定值，然后就不再减小；

⑤将测试集的输入特征输入神经网络得到输出值，将该输出值反归一化得到预测值，计算该预测值和真实值之间的误差。