[发明专利]一种基于神经网络模型的卤水自然蒸发速率预测方法

权利要求书

1.一种基于神经网络模型的卤水自然蒸发速率预测方法，其特征在于：包括如下具体步骤：

(1)建立室内模拟盐田系统，通过人工手段控制模拟盐田的空气温度、空气湿度、风速、太阳幅照、卤水温度、卤水浓度、卤水深度，获得卤水自然蒸发速率的基础数据；

(2)对基础数据的标准化处理，将其转换成[0，1]区间的值，即需要对实验数据进行标准化；其标准化的公式为如下：

xtmp＝(X-repmat(minx，x_length，1))./repmat(maxx-minx，x_length，1)

X-为输入参数矩阵，包括卤水浓度、环境温度、风速、卤水温度、太阳辐照强度、卤水深度和空气相对湿度七个因素；

xtmp-为输入参数矩阵x经过标准化后的矩阵，其实际为x的标准差，其值范围为[0，1]；

ytmp＝(y-repmat(miny，y_length，1))./repmat(maxy-miny，y_length，1)

y-为输入目标矩阵，本实验的目标矩阵为蒸发速率单个参数；

ytmp-为输入目标矩阵y经过标准化后的矩阵，其实际为y的标准差，其值范围为[0，1]；

minx为x矩阵的最小值；

maxx为x矩阵的最大值；

miny为y矩阵的最小值；

maxy为y矩阵的最大值；

(3)创建一个BP神经网络：选定网络传递函数、训练函数和学习函数，选择多层神经元网络，建立具有多个输入节点及1个输出节点的三层BP网络模型，将标准化后的实验数据输入网络模型，实现了对实验数据的训练，训练完成后，将网络的权值矩阵和阀值矩阵输出并保存；

(4)将气候条件和卤水条件标准化后输入已训练完成的模型，获得卤水自然蒸发速率的预测值。

2.根据权利要求1所述的基于神经网络模型的卤水自然蒸发速率预测方法，其特征在于：所述步骤(3)中，采用三层神经网络结构，选用的训练函数为“traingd”，实验选用的学习函数为“learngdm”，实验选用的传递函数第一层神经元采用双曲正切函数tansig，第二层神经元采用对数函数logsig，第三层神经元采用线性函数purelin。