[发明专利]一种基于DBN-BP的水质参数亚硝酸氮的在线预测方法

权利要求书

1.一种基于DBN-BP的水体参数亚硝酸氮的在线预测方法，其特征在于，包括如下步骤：

(1)水体数据采集：在线水质检测系统连续采集水体中的水质参数数据以及对应的水质参数数据下的亚硝酸氮浓度数据，得到原始数据；所述水质参数包括温度值、pH值、溶解氧值、氧化还原电位值；

(2)数据预处理：对收集的原始数据依次进行过滤异常数据处理、粗糙集约简处理、数据归一化处理，得到测试样品数据集；

(3)计算预测值：将测试样品数据集输入DBN-BP模型进行训练，计算获得预测值；

步骤(3)的具体操作如下：

(3.1)将经过预处理的测试样品数据集随机分为两组，分别为训练样本和预测样本；

(3.2)接着将训练样本输入DBN模型进行无监督贪婪训练，计算获得预测值，训练完毕后用测试样本的预测值对DBN模型可靠性进行验证；

步骤(3.2)中所述DBN模型为由多个RBM依次叠加而成的多层神经网络结构；RBM是一种无向图模型，数据经输入层输入到网络当中，通过训练算法后输出，再传播到下一层RBM神经网络；上一层RBM神经网络的输出作为下一层RBM神经网络的输入，原始数据经过逐层输出传播后由输出层输出结果；当多个RBM计算完成权值后，利用BP反向传播算法再反向传导进行调优，最终计算获得预测值；

所述DBN模型为由三个RBM依次叠加而成的三层神经网络结构；神经元格式分别为100，50，10；

所述三层神经网络分别采用logsig，logsig和purelin训练算法；

所述三层神经网络的隐藏层节点数分别为5、4、3。

2.如权利要求1所述的在线预测方法，其特征在于，步骤(1)的具体操作如下：

(1.1)试验过程中保持每组水总体积相同，确保每组实验亚硝酸氮起始浓度一致；

(1.2)通过调节温度或pH值的方式，来获得不同温度或pH下亚硝酸氮的浓度数据，其中温度设置为20℃、25℃和30℃，初始pH值设置为5、6、7、8、9，当温度、pH值稳定后开始试验；

(1.3)开始试验后每30分钟用移液器收集水样，通过在线水质监测系统测定温度、PH、溶解氧、氧化还原电位四种辅助变量的数据；为避免取样时间与测定数据不同步，同期每30分钟取样后马上移入比色管中进行反应，每5mL水样分别加入0.1mL浓度为10g/L的磺胺盐酸溶液和0.1mL浓度为1g/L的盐酸萘乙二胺溶液，反应5分钟后在543nm波长处测定水样的吸光度；将测得的吸光度代入α－萘胺比色法测定亚硝酸氮标准曲线，以亚硝酸氮浓度为自变量x，吸光度为因变量y，得到对应的亚硝酸氮浓度，最终得到包含取样时间、温度值、pH值、溶解氧值、氧化还原电位值以及亚硝酸氮浓度的原始数据。

3.如权利要求2所述的在线预测方法，其特征在于，步骤(1.3)中所述在线水质监测系统包括前端监测设备，云服务器两部分；所述前端监测设备通过传感器采集水体温度值、pH值、溶解氧值、氧化还原电位值的理化参数，采集频率为15s一次，并完成模数转换以及数据格式的转换。

4.如权利要求1所述的在线预测方法，其特征在于，步骤(2)的具体操作如下：

(2.1)对收集的原始数据依次进行过滤异常数据处理和粗糙集约简处理；所述在线水质监测系统包括前端监测设备和云服务器两部分；而原始数据的滤异常数据处理以及数据粗糙集约简过程由云服务器完成；

(2.2)对粗糙集约简处理后的数据进行数据归一化处理；采用离差标准化法即最大最小标准化法进行数据归一化处理，公式如下：

其中x为原始数据，为标准化处理后的数据，x_max和x_min分别为数据中的最大值和最小值；经过标准化处理后，全部数据均处于[0,1]内。