[发明专利]基于模糊神经网络预测污水水质数据的方法

摘要

本发明为一种基于模糊神经网络预测污水水质数据的方法，包括以下步骤：收集训练和测试与系统所需要的样本；对所有训练样本进行聚类；对每条模糊规则对应的神经网络NNm进行训练，m代表模糊规则的个数，训练稳定后，将归一化后的关键水质指标作为预测样本输入模糊神经网络中进行对干粉投药量的预测。本发明的有益效果在于：企业就可以根据预测的水质数据，做到基于预测模型的泵站流量控制，以及确定污水处理时投放微生物、药剂的量和时间点，克服了传统的污水处理时凭经验判断泵站流量和添加药剂的人工操作，为污水的智能处理提供了强大的助力，具有良好的实际应用价值。

主权项

一种基于模糊神经网络预测污水水质数据的方法，其特征在于包括以下步骤：收集训练和测试与系统所需要的样本：提取和水区运行情况相关的多种水质指标，选择多种关键水质指标，同时选取出水后的状况，将选择出的多种关键水质指标进行归一化处理，将归一化后的多种关键水质指标以及出水后的状况作为样本，样本包括多个输入和一个输出并记做(xi，yi)；对所有训练样本进行聚类：根据出水后的状况，将所述样本聚类为m组样本，根据这m组聚类好的样本得到m条模糊规则，每个组对应一条模糊规则，每条模糊规则对应一条神经网络NNm，m代表模糊规则的个数；原始训练样本集中的某个样本，被聚类到第i组，则所述训练样本的输出部分表示为神经网络NNmf，表达式表示为式中j＝1,…，m，神经网络NNmf的训练样本包括若干个输入和m个输出，对神经网络NNmf进行训练；对每条模糊规则对应的神经网络NNm采用与训练神经网络NNmf相同方式进行训练，m代表模糊规则的个数；神经网络NNmf和神经网络NNm训练稳定后，将归一化后的关键水质指标作为预测样本输入模糊神经网络中进行对干粉投药量的预测，通过神经网络的联想、分类和识别能力，则可获得水质状况及所需干粉投药量。