[发明专利]基于GA-DBN网络的废水处理智能监控方法及系统

权利要求书

1.基于GA-DBN网络的废水处理智能监控方法，其特征在于，包括以下步骤：

S1、选取废水处理系统合适参数作为输入自变量和输出变量；所述输入自变量包含进水COD、进水流量Q、进水SS、温度T、溶解氧DO、pH；所述输出变量包含出水COD、出水SS浓度；

S2、采用迭代寻优计算获得深度信念网络DBN各层网络最优隐含层节点数；

S3、利用遗传算法GA筛选出最优输入自变量；

S4、依据深度信念网络DBN各层网络最优隐含层节点数、最优输入自变量，构建基于遗传算法-深度信念网络GA-DBN融合模型；

S5、对GA-DBN融合模型进行训练，得到训练后GA-DBN融合模型；

S6、通过训练后GA-DBN融合模型对废水处理系统输出变量进行实时软测量，获得诊断结果，并指导废水处理过程优化。

2.根据权利要求1所述的基于GA-DBN网络的废水处理智能监控方法，其特征在于，所述步骤S2具体为：

S201、根据输入自变量和输出变量，估计最佳隐含层节点数的范围为1至N，利用循环，设置每层隐含层节点数d以1为步长，d＝1，2，3……N，循环为for＝1:1:N；

S202、将深度信念网络DBN第c次迭代得到的测试集真实值与预测值之间差值的均方误差之和记为mse(c)，设置一个较大的初始误差mse_max，mse_max取值范围为10¹⁰～10²⁰；

S203、利用rand(‘state’,0)函数固定RBM每次迭代的初始化状态，对深度信念网络DBN进行迭代选优；

S204、当mse(c)＜mse_max时，则将此时的mse(c)赋值给mse_max，记为mse_max＝mse(c)，此时的c值赋值给desired_c，记为desired_c＝c；

S205、当全部X个候选隐含层节点数迭代完成时，此时的mse_max值即为mse(c)的最小值，也为最小误差，对应的desired_c为最佳隐含层节点数。

3.根据权利要求2所述的基于GA-DBN网络的废水处理智能监控方法，其特征在于，所述步骤S3具体为：

S301、采用遗传算法GA对深度信念网络DBN进行优化，初始化种群数目，将初始种群数目设置为K；

S302、选取测试集出水COD和出水SS浓度均方误差的倒数作为适应度函数，则有：

其中，为测试集出水COD预测值；A为测试集出水COD真实值；为测试集出水SS浓度预测值；B为测试集出水SS浓度真实值；n为测试集样本数量；

S303、使用遗传算法GA对模型输入自变量进行降维，所述降维包含选用比例选择算子进行选择、选用单点交叉算子进行交叉、选用单点变异算子进行变异；对候选输入自变量进行二进制编码，编码组合为0或1组成的二进制串；

S304、利用find函数寻找最优解，即得到最优输入自变量；

S305、利用遗传算法GA筛选DBN模型中输入自变量后，提取所筛选输入自变量对应数据，搭建新的DBN模型，该方法跟优化前DBN建模方法相同。