[发明专利]一种基于自适应深度置信网络的固液废弃物智能耦合处理方法

摘要

一种基于自适应深度置信网络的固液废弃物智能耦合处理方法，属于深度学习、固液废弃物智能耦合处理领域。本方法利用ADBN对固废以及液废随机、离散、非线性的特征向量进行有效的状态描述，并确保不丢失原始数据的主要信息。同时根据提取的固废的状态描述和液废处理过程中产生的可燃气体，利用ADBN预测适合其状态的燃烧行为和处理过程中产生的余热，极大减少盲目焚烧对资源的浪费，并使用该余热为液废处理系统提供热量；并且根据提取到的液废的状态描述和固废处理过程中产生的余热，利用ADBN预测适合其状态的处理行为和产生的可燃气体，将这些气体作为固废焚烧的助燃剂，减少其他燃料的供给，实现对固液废弃物高效的智能耦合处理。

主权项

1.一种基于自适应深度置信网络的固液废弃物智能耦合处理方法，其特征在于，步骤如下：步骤1、对固体废弃物和液体废弃物进行测量，分别得到固废数据集和液废数据集，对两个数据集进行预处理，并分别划分得到固废训练数据集、固废测试数据集、液废训练数据集和液废测试数据集；步骤2、将步骤1得到的固废训练数据集输入到ADBN模型中，同时加入可燃气体作为ADBN模型的一项输入，用来模拟处理液废后产生的可燃气体；使用对比散度算法CD无监督地自底向上单独训练每一层受限玻尔兹曼机RBM，并且在训练过程中，通过自适应增减枝算法，优化当前RBM的网络结构，通过迭代训练，得到每个RBM的网络结构、权重和偏置；步骤3、将步骤2得到的ADBN网络结构和参数值作为微调阶段的初始值，使用自顶向下的反向传播算法微调整个ADBN网络，得到最终的用于处理固废的ADBN网络模型；步骤4、将步骤1预处理后得到的液废训练数据集输入到另一个新的ADBN模型中，同时加入热量作为ADBN模型的一项输入，用来模拟处理固废后产生的余热；按步骤2所述方法训练网络，得到ADBN的网络模型；然后在最后一层RBM后增加一层输出层，用来预测适合该液废训练数据集的处理行为，包括温度和溶解氧DO含量，并且预测液废处理过程中产生的可燃气体；输入液废训练数据集，按步骤3所述方法微调整个ADBN网络，得到最终的用于处理液废的ADBN网络模型；步骤5、分别将固废测试数据集、液废测试数据集输入到步骤3、步骤4所得最终的用于处理固废和液废的ADBN网络模型中，最后输出预测结果。