[发明专利]一种基于神经网络算法的氨氮指标软测量方法

摘要

本发明公开了一种基于神经网络算法的氨氮指标软测量方法，涉及水质监测领域，其特征在于所述输入层为与氨氮指标NH₃‑N的摩尔浓度有相关关系的辅助变量，所述隐藏层为神经网络算法，其中激活函数根据所述相关关系定义，所述输出层为氨氮浓度预测值。本发明选择与氨氮在理论上具有相关关系的辅助变量，因此模型具有更高的精度和运算速度；除DO和ORP外，COD和硝氮可以采用光谱法连续监测，所以更易于实现在线连续监测；所有变量都面向出水，从而易于实现仪表的集成布置。

主权项

1.一种基于神经网络算法的氨氮指标软测量方法，包含输入层、隐藏层和输出层组成的神经网络算法模型，其特征在于所述输入层为与氨氮指标NH₃‑N的摩尔浓度有相关关系的辅助变量，所述隐藏层为神经网络算法，所述输出层为氨氮浓度预测值，所述基于神经网络算法的氨氮指标软测量方法包括以下步骤：步骤一，构建所述所述氨氮指标NH₃‑N的摩尔浓度和所述辅助变量的测量方法，获得测试样本数据；步骤二，构建所述神经网络算法模型，步骤如下：(1)对数据进行预处理，读取数据，随机选取训练集和测试机，然后进行归一化；(2)根据所述相关关系定义激活函数；(3)初始化所述隐藏层中每个所述激活函数的权重；(4)编写拟合函数，将所述测试样本的部分数据输入，求出所述氨氮指标NH₃‑N的摩尔浓度输出值，并根据所述输出值与所述氨氮指标NH₃‑N的摩尔浓度测量值之间的误差更新所述权重，直到所述输出值与所述氨氮指标NH₃‑N的摩尔浓度的测量值之间的误差满足设定的阈值，将迭代调整的最终权重值作为所述神经网络算法模型的权重值；(5)根据所述最终权重值对所述测试样本编写计算所述NH₃‑N的摩尔浓度预测值的函数；(6)根据所述计算预测值的函数对所述测试样本数据的剩余部分进行所述NH₃‑N的摩尔浓度预测，评价标准为所述NH₃‑N的摩尔浓度测量值与所述预测值之间的相关系数R²和均方根误差RMSE；(7)将预测得到的数据还原成原始值。