[发明专利]基于支持向量机和神经网络的污水化学需氧量软测量方法有效
| 申请号： | 200910053267.6 | 申请日： | 2009-06-17 |
| 公开（公告）号： | CN101923083A | 公开（公告）日： | 2010-12-22 |
| 发明（设计）人： | 张杰;冯辉;雷中方;张建秋;胡波 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G01N33/18 | 分类号： | G01N33/18;G06N3/02;G06N3/08 |
| 代理公司： | 上海正旦专利代理有限公司 31200 | 代理人： | 包兆宜 |
| 地址： | 20043*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 支持 向量 神经网络 污水 化学 需氧量软 测量方法 | ||
1.基于支持向量机和神经网络的污水化学需氧量软测量方法，其特征在于，其包括如下步骤：
(1)采集合适的水质参数及其变化率作为辅助变量；
(2)辅助变量数据输入支持向量机进行分类预处理；
(3)经分类处理的数据样本进入经过训练的神经网络；
(4)神经网络根据曾经的训练经验给出污水化学需氧量预测值。
2.根据权利要求1所述的基于支持向量机和神经网络的污水化学需氧量软测量方法，其特征在于，所述的辅助变量为水质参数pH、溶解氧、氧化还原电位以及pH变化率、溶解氧变化率和氧化还原电位变化率。
3.根据权利要求1所述的基于支持向量机和神经网络的污水化学需氧量软测量方法，其特征在于，所述的化学需氧量数值预测前，采用支持向量机法、向量空间模型法或神经网络法对数据进行分类。
4.根据权利要求1所述的基于支持向量机和神经网络的污水化学需氧量软测量方法，其特征在于，所述的辅助变量数据分类的依据为水质参数或水质参数变化率。
5.根据权利要求4所述的方法，其特征在于，所述的实验测量的数据样本标记为两类：第一类数据为溶解氧变化率小于-1mg/(L·h)的数据样本和氧化还原电位变化率小于0并且DO值小于0.5mg/L的数据样本，第二类数据为除了第一类数据的剩余数据样本。
6.根据权利要求1所述的方法，其特征在于，所述方法根据分类数据的特点选取合适网络分别训练，采用多个神经网络分别训练，训练结果作为化学需氧量的估计网络。
7.根据权利要求1所述的方法，其特征在于，所述神经网络为前向型神经网络或反馈型神经网络。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于复旦大学，未经复旦大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/200910053267.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种原油挥发动态试验装置
- 下一篇：一种非完全数据下的光学层析重建计算方法
