[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

说明书

本发明涉及一种基于神经网络模型的卤水自然蒸发速率预测方法，步骤为：通过室内模拟盐田获得多因素协同作用(空气温度、风速、太阳幅照强度、卤水温度、卤水浓度、卤水深度等)下卤水自然蒸发速率，最后通过BP神经网络拟合多因素与自然蒸发速率的关系，训练获得精度较高的模型。模型训练完成后，可将实际生产条件导入到训练好的神经网络中，即可快递准确地预测实际卤水自然蒸发速率预测方法。

技术领域

本发明属于盐田生产领域，涉及协同规律作用下的卤水自然蒸发速率预测方法。

背景技术

海卤水自然蒸发速率是制约日晒海盐生产效率的直接因素，研究人员多年来对海卤水蒸发的相关研究，总结影响卤水自然蒸发的主要因素可以归为两类，一是气象条件，二是操作条件。气象条件包括：太阳辐照强度、空气温度、空气相对湿度、风速；操作条件包括：卤水温度、卤水浓度、卤水深度以及土壤的渗透情况。影响蒸发的因素较多，实际自然条件多变，且各因素之间相互制约，相互影响，无法研究各因素对卤水自然蒸发速率影响规律研究，因此目前尚无根据自然条件对卤水蒸发速率进行预测的方法。

基于自然条件下海水蒸发影响因素较多，具有非线性特征，很难用传统的方法进行模拟，人工神经网络正是一种描述和处理多因素非线性复杂问题的强有力的工具。因此采用该种方法对淡化浓海水自然蒸发进行了模拟研究，建立了基于BP神经网络的淡化浓海水自然蒸发预测模型，实例强有力的证明了该种方法在预测关联辐照强度、空气温度、空气相对湿度、风速、卤水温度、卤水浓度、卤水深度等7个因素对蒸发速率大小的影响规律方面具有不可替代的优越性，必将在卤水化工领域得到广泛应用。

目前，国内尚无利用神经网络模型进行卤水自然蒸发速率预测的实例及相关经验。

发明内容

发明目的：采用神经网络模型提供一种可实现卤水自然蒸发速率的预测的方法，便于卤水化工安排生产。使用此方法简便，准确性高。

本发明实现目的的技术方案是：

一种可实现卤水自然蒸发速率的预测的方法，具体步骤步骤为：

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。

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。

本方法的优点和有益效果为：

1、填补了卤水自然蒸发速率规律及预测的空白。由于卤水自然蒸发速率受气象条件(太阳辐照强度、空气温度、空气相对湿度、风速)和卤水操作条件(水温度、卤水浓度、卤水深度)影响，这些因素之间又相互影响，目前尚无多因素对卤水蒸发速率的影响规律。

2、利用模拟盐田系统获得的基础数据进行训练获得的神经网络模型，其正确性经验证后可反复使用，无需多次训练，使用简便。

附图说明

图1为三层BP神经网络结构图。

图2为模型一的网络训练效果图。

图3为模型一对非训练样本的预测效果图。

图4为模型二的网络训练效果图。

图5为模型二对非训练样本的预测效果图。

图6为结合实验网络训练效果图。