[发明专利]一种共享直饮水机水质保障管理控制方法及系统

权利要求书

1.一种共享直饮水机水质保障管理控制方法，其特征在于：包括以下步骤：

S110：根据恒定水箱内水质影响参数和恒定水箱水质标准，构建建模样本集；

S120：将建模样本集进行归一化处理，获得归一化样本集；

S130：根据所述归一化样本集构建三层的BP神经网络模型；

所述BP神经网络模型包括三层神经m-h-o的拓扑结构，隐含层激发函数为s型函数，输出层为线性函数；输入层节点数为m个，即输入样本数，隐含层节点数由经验公式所得，α为1-10的常数，输出层节点数为4个；o表示三层神经网络中输出层神经元个数；

S140：采用所述BP神经网络模型对通过云端服务器上积累的海量数据进行处理，获取神经网络参数；所述海量数据包括直饮水机滤芯类别与型号、地区ID号码、直饮水机累计用水量、水箱内水温历史温度数据、出水阀门近期开闭状态；

获取神经网络参数包括以下子步骤：

第一步：初始化神经网络参数的权值，输入层到隐含层权值和阈值为w₁、b₁，隐含层到输出层权值和阈值为v₂、β₂；

第二步：初始化的网络参数采用公式(1)计算此时的y_pred；

其中，y_pred表示预测值；I_m表示经归一化的输入样本；

第三步：计算此时实际样本输出y_actul与预测值y_pred之间系统对N个训练样本的总误差，总误差e准则函数如下：

其中，e表示误差性能指标函数；y_pred表示BP网络输出，即预测值；y_actul表示实际输出，即实际输出样本；

第四步：修正神经网络参数的权值和阈值；

第五步：利用更新得到的神经网络参数的权值和阈值重新估计y_pred，重复第二步至第四步的过程，直到总误差小于设定值；

S150：利用上述所建立BP神经网络模型对云端服务器实时产生的新数据进行水质实时预测；

S160：利用专家经验系统对水质进行分类，从而判断是否启动水箱排空系统。

2.根据权利要求1所述的一种共享直饮水机水质保障管理控制方法，其特征在于：所述步骤S110后还包括预处理步骤，所述预处理步骤为：对构建的建模样本集对进PCA主元提取，获取新的样本集，归一化处理的对象为新的样本集。

3.根据权利要求1或2所述的一种共享直饮水机水质保障管理控制方法，其特征在于：还包括步骤S170，所述步骤S170为当启动恒定水箱智能排水时，对水箱进行智能消毒。

4.一种共享直饮水机水质保障管理控制系统，其特征在于：包括参数选择单元(210)、归一化样本集单元(230)、BP神经网络模型构建单元(240)、BP神经网络模型参数获取单元(250)、恒定水箱实时水质指标预测单元(260)和恒定水箱排水单元(270)，

所述参数选择单元：根据恒定水箱内水质影响参数和恒定水箱水质标准，构建建模样本集；

所述归一化样本集单元：将建模样本集进行归一化处理，获得归一化样本集；

BP神经网络模型构建单元：根据所述归一化样本集构建三层的BP神经网络模型；

BP神经网络模型参数获取单元：采用所述BP神经网络模型对通过云端服务器上积累的海量数据进行处理，获取神经网络参数；所述海量数据包括直饮水机滤芯类别与型号、地区ID号码、直饮水机累计用水量、水箱内水温历史温度数据、出水阀门近期开闭状态；

恒定水箱实时水质指标预测单元：利用上述所建立BP神经网络模型对云端服务器实时产生的新数据进行水质实时预测；

恒定水箱排水单元：利用专家经验系统对水质进行分类，从而判断是否启动水箱排空系统。

5.根据权利要求4所述的一种共享直饮水机水质保障管理控制系统，其特征在于：还包括样本主元提取单元(220)：对构建的建模样本集对进PCA主元提取，获取新的样本集，归一化处理的对象为新的样本集。