[发明专利]基于模糊神经网络的出水总磷预测方法、电子设备及介质

权利要求书

1.一种基于模糊神经网络的出水总磷预测方法，其特征在于，包括：

确定出水总磷的特征变量作为输入变量；

构建基于模糊神经网络的初始预测模型；

获取训练样本并输入至所述初始预测模型，通过多目标粒子群优化算法确定最终预测模型；

将所述输入变量输入至所述最终预测模型，计算出水总磷。

2.根据权利要求1所述的基于模糊神经网络的出水总磷预测方法，其中，所述初始预测模型包括输入层、径向基层、规则层和输出层。

3.根据权利要求2所述的基于模糊神经网络的出水总磷预测方法，其中，所述输入层为：

u_q(n)＝x_q(n) (1)

其中，x_q(n)为输入层第q个神经元的输入值，u_q(n)为输入层第q个神经元的输出值。

4.根据权利要求2所述的基于模糊神经网络的出水总磷预测方法，其中，所述径向基层由M个神经元组成，表示为：

其中，κ_qm(n)为径向基层中第m个神经元的第q个非对称隶属度函数，m＝1,2,...,M，μ_qm(n)为径向基层中第m个神经元的第q个非对称隶属度函数的中心，σ_lm(n)为径向基层第m个神经元非对称隶属函数左侧宽度，σ_rm(n)为径向基层第m个神经元非对称隶属函数右侧宽度，为径向基层第m个神经元的输出。

5.根据权利要求2所述的基于模糊神经网络的出水总磷预测方法，其中，所述规则层由K个神经元组成，表示为：

其中，ηk(n)为规则层中第k个神经元的输出值，k＝1,2,...,K。

6.根据权利要求2所述的基于模糊神经网络的出水总磷预测方法，其中，所述输出层为：

其中，w_k(n)为规则层第k个神经元与输出层神经元的连接权值，y(n)为初始预测模型的预测输出值。

7.根据权利要求1所述的基于模糊神经网络的出水总磷预测方法，其中，获取训练样本并输入至所述初始预测模型，通过多目标粒子群优化算法确定最终预测模型包括：

设定当前迭代次数t＝1，多目标粒子群优化算法的最大迭代次数为T_max，种群中粒子数为L，计算种群中第i个粒子的有效位置和速度；

计算第t次迭代时多目标粒子群优化算法的适应度值，进而计算第t次迭代时种群的全局最优粒子a_i(t)；

在第t次迭代时种群的全局最优粒子a_i(t)的基础上更新粒子的速度和位置，计算第t+1次迭代时种群的全局最优粒子a_i(t+1)；

重复上述步骤，直至t≥T_max时停止计算，选出全局最优粒子并作为所述最终预测模型的最佳参数和结构，确定所述最终预测模型。