[发明专利]一种基于宽度学习网络的出水总磷预测方法

权利要求书

1.一种基于宽度学习网络的出水总磷预测方法，其特征在于：确定出水总磷预测模型的输入与输出变量，建立宽度学习出水总磷预测模型，宽度学习出水总磷预测模型参数调整，包括以下步骤：

(1)确定出水总磷预测模型的输入与输出变量

使用偏最小二乘方法，由各自变量与出水总磷关系，计算自变量回归系数，筛选辅助变量，最终确定6个辅助变量：进水酸碱度值、进水化学需氧量、厌氧区中段氧化还原电位、缺氧区前端氧化还原电位、缺氧区末端混合液悬浮固体和好氧区溶解氧；输出变量为出水总磷浓度；将所有样本数据分为两组，第一组包含H个训练样本，H为整数，H∈[3000,3400]，第二组包含R个测试样本，R为整数，R∈[800,900]；

(2)建立宽度学习出水总磷预测模型

宽度学习网络结构共有四层：输入层，特征层，增强层与输出层；构建基于宽度学习网络的预测模型共分为四步：将变量处理并输入网络，构建宽度学习中的特征神经元，构建增强神经元，更新特征神经元与增强神经元到输出神经元的权重；确定用于预测出水总磷的宽度学习网络输入神经元个数为6，特征神经元组数为N，N为整数，N∈[10,30]，增强神经元组数为M，M为整数，M∈[20,50]，输出神经元个数为1，使用训练样本训练宽度学习网络；选取的6个辅助变量作为网络输入可以表示为x(t)＝[x₁(t),x₂(t),x₃(t),x₄(t),x₅(t),x₆(t)]，t＝1,2,…,H为样本数，x₁(t)为第t个样本中进水酸碱度，x₂(t)为第t个样本中进水化学需氧量，x₃(t)为第t个样本中厌氧区中段氧化还原电位，x₄(t)为第t个样本中缺氧区前端氧化还原电位，x₅(t)为第t个样本中缺氧区末端混合液悬浮固体浓度，x₆(t)为第t个样本中好氧区溶解氧浓度；输入层：输入层由6个神经元组成，每一个输入神经元的输出可以表示为：

u_e(t)＝x_e(t),e＝1,2,...,6 (1)

其中，x_e(t)为输入层第e个神经元的输入值，u_e(t)为输入层第e个神经元的输出值；

特征层：特征层由N组神经元组成，特征神经元Z(t)＝[Z₁(t),Z₂(t),…,Z_N(t)]，每一组特征神经元的输出可以表示为：

其中，Z_i(t)为特征层第i组神经元的输出值，W_ei(t)为第e个输入神经元与第i组特征神经元之间的权重，β_ei(t)为第e个输入神经元与第i组特征神经元之间的偏差项，β_ei(t)矩阵中的每一个元素属于(0,1]，为网络的激活函数，

增强层：增强层由M组神经元组成，增强神经元H(t)＝[H₁(t),H₂(t),...,H_M(t)]，每一组增强神经元的输出可以表示为：

其中，H_j(t)为增强层第j组神经元的输出值，W_ij(t)为第i组特征神经元与第j组增强神经元之间的权重，β_ij(t)为第i组特征神经元与第j组增强神经元之间的偏差项，β_ij(t)矩阵中的每一个元素属于(0,1]；

输出层：输出层由1个神经元组成，输出神经元的输出可以表示为：

Q(t)＝[Z(t)|H(t)]＝[Z₁(t),...,Z_N(t)H₁(t),...,H_M(t)] (5)

其中，为宽度学习网络的输出值，W(t)＝[w₁(t),w₂(t),…,w_N(t),w₁^*(t),w₂^*(t),…,w_M^*(t)]^T为网络权重，w_i(t)为第i组特征神经元与输出神经元之间的权重，w_j^*(t)为第j组增强神经元与输出神经元之间的权重；

(3)宽度学习出水总磷预测模型参数调整

①宽度学习网络初始化：

设当前迭代次数t＝1，网络参数w_i(1)，w_j^*(1)，W_ei(1)与W_ij(1)可以表示为：

其中，w_i(1)矩阵中的每一个元素属于(0,0.9]，为第i组特征神经元中第k个特征神经元与输出神经元之间的权重，k为整数，k∈[20,50]；w_j^*(1)矩阵中的每一个元素属于(0,0.18]，为第j组增强神经元中第q个增强神经元与输出神经元之间的权重，q为整数，q∈[20,50]；W_ei(1)矩阵中的每一个元素属于(0,1]，为第e个输入神经元与第i组特征神经元中第k个特征神经元之间的权重；W_ij(1)矩阵中的每一个元素属于(0,0.2]，为第i组特征神经元中第k个特征神经元与第j组增强神经元中第q个增强神经元之间的权重；

②利用梯度下降算法更新网络权重：

权重更新公式可以表示为：

其中，E(t)是宽度学习网络输出值和真实值之间的误差，η是学习速率，η＝0.03，y(t)是出水总磷真实值；

③迭代次数t增加1；若t＜H，返回步骤②；若t≥H，停止计算，完成训练；

(4)出水总磷预测

利用训练好的宽度学习出水总磷预测模型，使用测试样本的进水酸碱度值、进水化学需氧量、厌氧区中段氧化还原电位、缺氧区前端氧化还原电位、缺氧区末端混合液悬浮固体和好氧区溶解氧作为模型的输入变量，得到模型的出水总磷预测值，将模型出水总磷预测值反归一化得到实际出水总磷浓度值。