[实用新型]应用反向传播神经网络模型的游泳池水质评价装置

说明书

技术领域

本实用新型涉及借助于测定材料的化学或物理性质来测试或分析材料的方法领域，具体为一种应用反向传播神经网络模型的游泳池水质评价装置。

背景技术

水质评价是按照评价目标选择相应的水质参数、水质标准和计算方法，对水的利用价值及水的处理要求做出评定的过程。长期以来，国内外研究人员对水质评价的方法进行了大量研究，提出了很多方法，如单项指标评价法、综合污染指数评价法、灰色评价法、模糊评价法、物元分析法等。这些评价方法都需要通过检测水中的各类指标，如游离性余氯、氰尿酸、氧化还原电位等，然后经一定换算后得出最终的水质评价结果。目前，这些检测方法多依靠手工操作，效率低，精度差，而且，由于游泳池容积较大，为得到较为客观的评价结果，通常需要选取多个点的水样参与测定，这就进一步增加了工作量。

实用新型内容

为了克服现有技术的缺陷，提供一种减少人工评价工作量，提高评价结果准确性和客观性的水质评价设备，本实用新型公开了一种应用反向传播神经网络模型的游泳池水质评价装置。

本发明通过如下技术方案达到发明目的：

一种应用反向传播神经网络模型的游泳池水质评价装置，包括取样水管、电磁阀和水泵，取样水管至少有5根，每根取样水管上都串联有电磁阀，取样水管的一端设于游泳池的水面以下，取样水管的另一端和水泵连接，其特征是：还包括余氯测定仪、高效液相色谱仪、电子毫伏计、碱度测定仪、钙硬度测定仪、连续流动注射分析仪、模/数转换器和控制器，

每根取样水管的出水端都分别连接余氯测定仪、高效液相色谱仪、电子毫伏计、碱度测定仪、钙硬度测定仪和连续流动注射分析仪的进水端，

余氯测定仪、高效液相色谱仪、电子毫伏计、碱度测定仪、钙硬度测定仪和连续流动注射分析仪的信号输出端都通过信号线连接一个模/数转换器的模拟信号输入端，模/数转换器的数字信号输出端都通过信号线连接控制器，控制器还通过信号线连接各个电磁阀和各个水泵的驱动马达；

控制器由输入设备、输出设备、内存、外存和中央处理器构成，输入设备、输出设备、内存和外存都通过信号线连接中央处理器。

所述的应用反向传播神经网络模型的游泳池水质评价装置，其特征是：控制器选用微机或单片机。

本实用新型使用时，由控制器控制电磁阀开启，随后控制器控制水泵启动，通过取样水管从游泳池内抽取一定量的水样分别输送至余氯测定仪、高效液相色谱仪、电子毫伏计、碱度测定仪、钙硬度测定仪和连续流动注射分析仪，其中余氯测定仪用于测定水样中的余氯值、pH值和水温，高效液相色谱仪用于测定水样中的氰尿酸值，电子毫伏计和原电池配合用于测定水样中的氧化还原电位值，碱度测定仪用于测定水样中的总碱度值，钙硬度测定仪用于测定水样中的钙硬度值，连续流动注射分析仪用于测定水样中的尿素值。

各指标的分级标准如下表所示：

控制器6内存储有反向传播神经网络模型，在获得了水样的各个参数值后，按如下所述进行数据处理和水质评价：

模型拟合：

BP神经网络在使用前经过8步的训练过程，使网络具有联想记忆和预测能力。

1.训练样本的建立：将c步骤表所列的7个指标的分级标准中的数据进行归一化处理，即按照y=(x-最小值)/(最大值-最小值)规则将具体数值转化为[0,1]区间上的数据，从而使物理系统数值的绝对值变成某种相对值关系，把水质分级标准作为训练样本，将其输入到网络的输入节点；

采用产生随机数原理，在至少两种水质的水样中，在每种水样中各抽取不低于100份的样本，抽取的数量由控制器6控制，将全体样本进行训练和建模；

2.神经网络初始化：设定输入层、隐含层和输出层的节点数，并初始化其神经元之间的连接权值ω_ij和ω_jk、隐含层阀值a和输出层阀值b，给定学习速率和神经元激励函数，选取输入输出序列(X,Y)；

3.隐含层输出计算：根据输入向量X、输入层和隐含层间的连接权值ω_ij以及隐含层阀值a，计算隐含层输出H，其计算式如式(1)所示：