[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

说明书

本发明公开了一种基于DBN‑BP的水质参数亚硝酸氮的在线预测方法，包括如下步骤：(1)水质数据采集：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。本预测模型性能良好，预测效果优异，可作为水质参数亚硝酸氮的在线预测方法，提高亚硝酸氮测定的准确性。

技术领域

本发明涉及水质检测领域，更具体地说，涉及一种基于DBN-BP 的水质参数亚硝酸氮的在线预测方法。

背景技术

随着社会发展可利用水资源量在逐年递减；与此同时，水资源利用效率不高和浪费状况尤为普遍，更为严重的是水资源的污染问题一直得不到有效的解决。经济飞速发展的同时，人口大量激增，带来的污染物不可避免地进入水体，尤其是湖泊，造成水体富营养化，剌激蓝藻生长，形成水华。蓝藻水华常常含有蓝藻毒素，对水生动物和人类均有极大危害。蓝藻死亡后分解，大量有机物释放到水里，严重污染饮用水源，对我国社会、经济和生态的可持续发展构成了严重威胁。

一直以来，控制各类污水中的亚硝酸氮含量是污水处理中的重要内容。但目前国内外对亚硝酸氮含量预测的预测方法都属于浅层结构的机器学习方法，因其立足的基础理论在处理大数据上缺少鲁棒性，导致模型普遍缺乏长效性和扩展能力。另外，养殖水体亚硝酸氮含量变化受生物新陈代谢、水温、气压、气温、相对湿度、太阳辐射、风速、风向、化学耗氧量(COD)、生物耗氧量(BOD)、植物光合作用和人为作业活动等诸多因素交叉影响，作用机理复杂，使亚硝酸氮含量数据具有较强的非平稳性、大时滞和非线性等特征，夹杂着大量的噪音信号，如果不挖掘出养殖水体亚硝酸氮含量数据高联系特征，直接进行建模预测，会严重影响模型预测精度。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于DBN-BP的水质参数亚硝酸氮的在线预测方法。本预测模型性能良好，预测效果优异，可作为水质参数亚硝酸氮的在线预测方法，提高亚硝酸氮测定的准确性。

本发明解决其技术问题所采用的技术方案是：提供一种基于 DBN-BP的水质参数亚硝酸氮的在线预测方法，包括如下步骤：

(1)水质数据采集：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。

本发明所述的在线预测方法，其中，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；