[发明专利]一种基于输入结构优化及序列编解码网络的海水混凝建模方法

权利要求书

1.一种基于输入结构优化及序列编解码网络的海水混凝建模方法，其特征在于，包括如下步骤：

S100，获取海淡厂实际运行原始数据，将原始数据分类整理，设定输出量，计算各类别数据与输出量之间的互相关系数，对原始数据进行初步筛选，即选取互相关系数超过设定阈值的类别作为模型输入；

S200，将初步筛选后的数据进行数据清洗，利用滑动平均方法降低数据采样过程中引入的噪声，利用归一化方法对数据进行预处理，并利用先验经验公式对数据进行结构化处理，得到结构化数据；

S300，将S200中得到的结构化数据序列化，以将海水混凝这一时滞问题转化成序列建模及模型优化问题，得到输入变量与输出变量的时间序列；S400，建立基于输入结构优化及序列编解码网络的海水混凝模型，模型包括输入层，数据处理层，编码器层，解码器层以及输出层五个部分；输入层和数据处理层用于处理数据以加速模型训练过程；编码器层与解码器层利用GRU解析网络与线性解析网络的组合提取原始序列特征，并利用特征均值化方法压缩特征，压缩后的特征进行解码以拟合输出数据；输出层用于数据反变换，将网络输出数据结构转换为真实数据结构；基于输入结构优化及序列编解码网络的海水混凝模型用于海水混凝过程的快速建模与在线模拟，通过改变模型输入端的变量值得到各输入变量与输出变量之间的定性关系。

2.根据权利要求1所述的基于输入结构优化及序列编解码网络的海水混凝建模方法，其特征在于，所述S100包括：

S110，海淡厂实际运行原始数据按照入水浊度、出水浊度、瞬时流量、助凝剂加药频率、絮凝剂加药频率和累计流量进行分类；根据模型需求，选取出水浊度作为模型输出；

S120，计算入水浊度、瞬时流量、助凝剂加药频率，絮凝剂加药频率和累计流量与出水浊度之间的互相关系数，为保证数据之间关联程度在50％以上，设置0.5为互相关系数阈值，保留互相关系数超过该阈值的变量，其余变量舍弃；最终选取入水浊度、瞬时流量、助凝剂加药频率、絮凝剂加药频率作为模型输入。

3.根据权利要求1所述的基于输入结构优化及序列编解码网络的海水混凝建模方法，其特征在于，所述S200包括：

S210，由于实际测量仪器存在工作误差，在原始数据中存在一些野值，利用各类别数据的统计信息设定阈值，以去除相关野值，实现数据清洗；S220，原始数据中叠加了一定的随机噪声，为保证数据可靠性，对原始数据进行滑动平均处理，滑动平均的表达式如公式(1)所示，式中x(k)为入水浊度、瞬时流量、助凝剂加药频率、絮凝剂加药频率及出水浊度特征量的原始数据，y(t)为光滑处理后的数据，w为滑动平均叠加滑动窗大小，t为时刻：

S230，为了提高模型的收敛速度，对数据进行归一化处理，以保证所有数据在同一尺度下参与计算，采用min-max标准化的方式对数据进行处理，表达式如公式(2)所示，式中x为模型输入及输出原始数据，y为归一化后的格式化数据，x_min和x_max分别为原始数据的最小值与最大值；

S240，实际数据源是加药泵的加药频率，为了满足各变量之间的对应关系，在计算时需要将加药频率换算成实际加药量；实际加药量λ，设备最大出力Q，加药频率f，冲开程度η，药液密度ρ，药液质量分数ω，加药处液体的瞬时流量q之间的关系公式如式(3)所示；

S250，利用如公式(4)所示的先验经验公式可知，海水混凝过程各输入量与输出量之间的关系近似满足指数表达式，主要表现为絮凝剂加药量λ₁，助凝剂加药量λ₂，瞬时流量q，入水浊度z，出水浊度z_o之间的关系，式中a₁，a₂，a₃，a₄为未知参数；

S260，为降低建模难度，提高训练速度，利用对数表达式对输入输出数据进行变换，初步得到结构化的数据集，令x_i为变换前的模型输入与输出数据，x_o为变化后的解构数据，变换公式如公式(5)所示；

x_o＝log(x_i+1) (5)。