[发明专利]一种基于神经网络的海水淡化膜的设计方法

说明书

本发明公开了一种基于神经网络的海水淡化膜的设计方法，整体方案包括以下步骤：步骤S1：采集海水淡化膜设计的相关信息，训练神经网络；步骤S2：计算海水淡化各项参数设置的约束条件；步骤S3：建立海水淡化的参数拟合模型；步骤S4：根据训练完成的神经网络算法对测试集数据进行计算和验证，排除过拟合情况；通过神经网络训练，不断完善海水淡化膜制作过程的参数，有利于海水淡化膜类产品的迭代更新，降低后续制作成本和开发成本；在神经网络训练过程中增加参数噪音，针对噪音进行训练，提高神经网络系统的鲁棒性。

技术领域

本发明涉及海水淡化领域，尤其是涉及一种基于神经网络的海水淡化膜的设计方法。

背景技术

地球上有着占总面积百分之七十一的海洋面积，海水资源是大自然给我们带来的宝贵财富。部分沿海地区以及海岛经济发达，但淡水资源相对不足。而海水中虽然含有很多对人体有益的元素，但大部分浓度过高，直接饮用会损害人体健康，而且未经净化的海水中还含有大量有害物质。同时，海水中盐分过多也会损坏机器，影响机器的使用寿命。海水淡化可以解决淡水资源短缺的问题。

当前海水淡化技术被广泛应用于许多领域，特别是反渗透海水淡化技术深受广大用户的欢迎，也为沿海地区以及海岛的用水提供了很多便利。海水淡化技术的出现缓解了全球淡水危机，促进了海水淡化设备产业的发展。目前，各种规格的海水淡化设备层出不穷，与此同时，人们也对海水淡化的生产成本和设计成本感到担忧。由于海洋资源的不断开发，海水淡化也将成为未来重要的淡水来源。为了降低海水淡化的能耗，科学家在不断进行海水淡化膜设计方向的研究。

海水淡化技术在不断发展，传统的基于实验数据的海水淡化膜设计制备方法，成本十分昂贵，对实验人员及设备的要求较高，方案验证需要较长的周期，中途存在大量不确定的风险，性价比较低，例如，一种在中国专利文献上公开的“一种海水淡化方法”，公开号为CN107215979A，包括海水淡化膜设计制作成本较高，需要的制作资源过多等问题，不利于海水淡化方面开发的可持续发展。

发明内容

本发明是为了克服现有技术中海水淡化膜设计制作成本较高，需要的投入资源过多，不利于海水淡化方面技术的开发可持续发展的问题，提供一种基于神经网络的海水淡化膜的设计方法，能有效地减少海水淡化膜设计制作成本，且提高制作过程中数据获取的精确性和神经网络训练的鲁棒性。

为了实现上述目的，本发明采用以下技术方案：

一种基于神经网络的海水淡化膜的设计方法，整体方法包括以下步骤：

步骤S1：采集海水淡化膜设计的相关信息，相关信息具体包括淡化膜形状、面积、孔周围原子电荷、海水中的钠离子和氯离子浓度、海水压力、兰纳-琼斯势能参数、透过的水分子、钠离子和氯离子等信息，用于训练神经网络；

步骤S2：计算海水淡化各项参数设置的约束条件，以海水淡化的模型拟合效果最好为目标，确定海水淡化各项参数设置的约束条件以及未满足条件下的损失；

步骤S3：利用步骤S2所提供的数据，建立海水淡化的参数拟合模型；

步骤S4：根据训练完成的机器学习神经网络算法对测试集数据进行验证，以获得模型拟合的精准度，并排除一定的过拟合情况。

作为优选，步骤S1包括以下步骤：

步骤S11：构建以深度神经网络为主体,按误差逆传播算法训练的多层前馈网络；

步骤S12：根据训练效果确定影响因素的内容和数量以及输出层变量的数量；

步骤S13：利用深度神经网络设计，使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小；

步骤S14：根据训练集的数据进行训练优化拟合效果，神经网络包含输入层、隐含层、输出层，每一层充分考虑多个影响因子，根据模拟数据及实验数据，以训练集误差最小化为目标，不断调整改进神经网络算法的参数。