[发明专利]一种基于类神经网络的压载水微生物数量预测方法

摘要

本发明公开了一种基于类神经网络的压载水微生物数量预测方法，包括如下步骤：取样及数据记录、资料尺度化处理、建立类神经网络架构、拟定倒传递网络训练及预测的各项参数设定、得到基于类神经网络的压载水微生物数量的预测实验结果。本发明为建立快速的预测模式，利用多种水质检验仪器于短时间内检测水质，主要有温度、ph值、导电度、浊度、溶氧量、含盐量、总固体溶解量共7项，将这些水质性质作为类神经网络的输入因子，肠杆菌及大肠球菌数量为目标值，经实验结果与分析后，模拟的结果可以证明使用这种方法确实是有效的。

主权项

1.一种基于类神经网络的压载水微生物数量预测方法，其特征在于：包括如下步骤：取样及数据记录、资料尺度化处理、建立类神经网络架构、拟定倒传递网络训练及预测的各项参数设定、得到基于类神经网络的压载水微生物数量的预测实验结果；具体主要分为两部分进行：第一部分将A、B、C各组数据单独进行训练，找出最适用于各组的隐藏层神经元数量，接着带入另外两组互相模拟验证，比较是否与不同地点使用本研究所拟定的7项输入因子训练后预测模拟的结果不同，所述的7项输入因子为：温度、ph值、导电度、浊度、溶氧量、含盐量、总固体溶解量；第二部分将三组数据分为Training 60组数据以及Test 30组数据两组，藉此增加数据量，增加整体模拟的准确性，Training用来作训练而训练完后则代入Test进行模拟预测，与第一部分相同，首先找出最适用于训练的隐藏层神经元数量，接着将Test代入模拟预测，验证如果将其它地区的水质性质变化纳入一同训练，是否对于其他地区的菌落数模拟有所帮助；利用MATLAB软件的工具箱建立并运算类神经网络，使用的网络为前馈式倒传递网络；所述取样及数据记录步骤中，具体操作如下：a.取样：选定三个沿海地点作为海水取样的地标，三处实验30组水样，并在取样时量测作为训练资料的水质性质，以确保数据的正确性；取样后的水样于当次取样后立即送回实验室培养菌落数CFU，培养及菌落数记数方式参考相关标准方法进行实验；b.数据记录：记数采用人工记数，为避免当菌落数过多以至于不容易计数时，在培养之前会将待测液体经过稀释为10倍、100倍及1000倍，让菌落数落在可计数范围，以大肠杆菌为例，记数方式如下：(1)选取大肠杆菌菌落数介于20至80间之同一稀释度的两个培养皿，计算其每100mL水样的大肠杆菌菌落数，单位为CFU/100mL；计算公式如下：式中，x为大肠杆菌菌落数(CFU/100mL)；n为所选取培养皿的菌落数总和；w为所选取培养皿的实际水样体积总和；(2)培养皿的大肠杆菌菌落数不在20至80个菌落之间时，则以下列方式处理：①若原液及各稀释度水样中仅有一个稀释度的一个培养皿菌落数在20至80个之间，则选取该稀释度的两个培养皿以上述公式计算；②若仅原液有大肠杆菌菌落产生，且少于20个，应循上述公式计数菌落数；若过滤100mL原液，培养皿中均无菌落生长，则结果以“<1CFU/100mL”表示；若过滤10mL原液，培养皿中均无菌落生长，则结果以“<10CFU/100mL”表示；③若各培养皿之大肠杆菌菌落数均不在20至80个之间，则选取大肠杆菌菌落数最接近80之同一稀释度的两个培养皿以上述公式计算；但不可选用菌落总数大于200之培养皿；(3)数据表示：菌落数小于100时，以整数表示，小数位四舍五入，菌落数大于100以上时，取两位有效数字，并以科学记号表示；(4)检测纪录必须注明取样时间、开始培养时间、结束培养时间、培养基名称及各稀释度的原始数据。