[发明专利]一种基于多因素耦合的输变电水环境指标预测方法

权利要求书

1.一种基于多因素耦合的输变电水环境指标预测方法，其特征在于，该方法分为以下步骤：

S1、获取输变电工程水环境监测断面的水环境指标，包括pH值、COD、BOD₅、NH₃-N和石油类，构建基于“时间-采样点-指标”的断面水环境指标矩阵Y_t：

设t表示采样时刻，i表示监测断面的采样点编号，j表示监测断面采样获得的水环境指标编号，t_max为最大采样时刻数，i_max为监测断面最大采样点数，j_max为监测断面最大水环境指标数；y_i,j(t)表示在第t个采样时刻、在监测断面第i个采样点获得的第j个水环境指标值，其中t∈[1,2,…,t_max]，i∈[1,2,…,i_max]，j∈[1,2,…,j_max]；

断面水环境指标矩阵Y_t由y_i,j(t)构成，其矩阵结构如下：

Y_t的维数为i_max×j_max；

S2、获取输变电工程水环境监测断面的水环境外部影响因素，包括水位、水温、流速，构建基于“时间-采样点-指标”的断面水环境外部因素矩阵U_t：

设k表示监测断面采样获得的水环境指标外部影响因素编号，k_max为监测断面最大外部影响因素数；u_i,k(t)表示在第t个采样时刻、在监测断面第i个采样点获得的第k个水环境外部影响因素值，其中k∈[1,2,…,k_max]；

断面水环境外部因素矩阵U_t由u_i,k(t)构成，其矩阵结构如下：

U_t的维数为i_max×k_max；

S3、根据断面水环境指标矩阵和外部因素矩阵，构建基于断面水环境指标的反馈时间序列和基于外部因素的输入时间序列：

当采样时刻t取值为[1,2,…,t_max]时，获得一组按采样时间先后顺序排列的断面水环境指标矩阵：

根据上述按采样时间先后顺序排列的断面水环境指标矩阵，构建基于断面水环境指标的反馈时间序列：

当采样时刻t取值为[1,2,…,t_max]时，获得一组按采样时间先后顺序排列的断面水环境指标外部影响因素矩阵：

根据上述按采样时间先后顺序排列的断面水环境指标外部影响因素矩阵，构建基于外部因素的输入时间序列：

S4、根据基于断面水环境指标的反馈时间序列Y、基于外部因素的输入时间序列U、水环境指标输入延迟阶数d_y和水环境外部影响因素输入延迟阶数d_u构建输入-输出映射，其中d_y∈[1,2,…,d_y,max],d_u∈[1,2,…,d_u,max]，d_y,max为水环境指标输入最大延迟阶数，d_u,max为水环境外部影响因素输入最大延迟阶数，d_y和d_u的初值均取1；

对于采样时刻t，构建的第t个输入-输出映射如下：

其中t∈[d_max,t_max-1]，d_max＝max(d_y,d_u)表示求取d_y和d_u两者中大的值；因此，总共可以构建(t_max-d_max)个输入-输出映射；

S5、构建基于多因素耦合的时滞非线性自回归映射网络，具体如下：

S5-1、时滞非线性自回归映射网络的整体结构分为输入层Input_layer、隐藏层Hidden_layer和输出层Output_layer；输入层Input_layer通过基于断面水环境指标的反馈时间序列Y和基于外部因素的输入时间序列U实现水环境指标的多因素耦合输入；隐藏层Hidden_layer是时滞非线性自回归映射网络的核心，用于实现输入与输出之间的非线性函数关系映射；输出层Output_layer负责输出输变电工程水环境指标预测值；

S5-2、在输入层Input_layer中，输入序列I_t取值为第t个输入-输出映射的输入部分：

I_m,t为输入序列I_t的第m个输入分量，m_max为输入序列I_t的最大输入分量数，m_max＝d_y+d_u+2；

S5-3、在隐藏层Hidden_layer中，隐藏层节点与输入层节点和输出层节点形成全连接网络结构，用于实现输入与输出之间的非线性函数关系映射；时滞非线性自回归映射网络的隐藏层节点数学模型如下：

其中，O_n,t为采样时刻为t时第n个隐藏层节点的输出，b_n为第n个隐藏层节点的偏差，w_m,n为第m个输入到第n个隐藏层节点的连接权重，f_ac(·)为隐藏层节点的激励函数，n∈[1,2,…,n_max]，m∈[1,2,…,m_max]，n_max为隐藏层节点数，n_max∈[n_max,0,n_max,0+1,…,n_max,1]，n_max,0和n_max,1分别为隐藏层节点数取值的下界和上界，隐藏层节点数n_max的初始取值为n_max,0；

S5-4、在输出层Output_layer中，时滞非线性自回归映射网络的输出层节点数学模型如下：

其中Output_t为采样时刻为t时输出层的输出，b为输出层节点的偏差，ω_n为第n个隐藏层节点到输出层节点的连接权重，f_bc(·)为输出层节点的激励函数；

S6、根据输入-输出映射构建基于时滞非线性自回归映射网络的输变电水环境指标预测模型，具体如下：

S6-1、采用S5-2中时滞非线性自回归映射网络的输入序列I_t作为输变电水环境指标预测模型的输入，采用S5-3中时滞非线性自回归映射网络的全连接网络结构作为输变电水环境指标预测模型的结构，采用S5-4中时滞非线性自回归映射网络的输出Output_t作为输变电水环境指标预测模型的输出；对于采样时刻t，由于输变电水环境指标预测模型的输入为输入序列I_t，该模型的输出Output_t即为t+1采样时刻的输变电水环境指标预测值；

S6-2、给定时滞非线性自回归映射网络的结构参数，包括输入层节点数m_max和隐藏层节点数n_max，给定的结构参数必须满足各自取值范围约束；

首先给定水环境指标输入延迟阶数d_y、水环境外部影响因素输入延迟阶数d_u，则输入层节点数m_max通过m_max＝d_y+d_u+2确定，其取值范围的约束如下：

d_y∈[1，2，...，d_y，max]，

d_u∈[1，2，...，d_u，max]，

m_max∈[4，5，…，d_y，max+d_u，max+2]，

由于m_max＝d_y+d_u+2且d_y和d_u的初值均取1，因此m_max的初值为4；

然后给定隐藏层节点数n_max，其取值范围的约束如下：

n_max∈[n_max，0，n_max，0+1，…，n_max，1]，

n_max的初值为隐藏层节点数取值范围的下界n_max，0；

S6-3、在时滞非线性自回归映射网络结构参数已给定的基础上，根据(t_max-d_max)个输入-输出映射采用误差最小化优化算法确定时滞非线性自回归映射网络的权重参数w；权重参数w包括第m个输入到第n个隐藏层节点的连接权重w_m，n和第n个隐藏层节点到输出层节点的连接权重ω_n：

w＝{w_m，n，ω_n|m＝[1，2，...，m_max]∩n＝[1，2，...，n_max]}，

权重参数w的确定过程如下：

当输变电水环境指标预测模型的输入I_t中t取值为[d_max，d_max+1，…，t_max-1]时，对应的输变电水环境指标预测值分别为：

当S4中第t个输入-输出映射的t取值为[d_max，d_max+1，…，t_max-1]时，对应的输入-输出映射的输出分别为：

输变电水环境指标预测值与输入-输出映射的输出之间的误差E_train计算如下：

S6-4、根据(t_max-d_max)个输入-输出映射随机构造验证样本集，并计算验证样本集对应的验证误差：

随机构造验证样本集，设验证样本集中样本个数为s_max，样本取自S4中(t_max-d_max)个输入-输出映射的输入，输入-输出映射的下标随机产生：

r_s＝random(d_max，t_max-1)，s＝[1，2，…，S_max]，

random(·)为在d_max和t_max-1之间的随机取整函数，s为样本个数编号；

在输变电水环境指标预测模型的水环境指标输入延迟阶数d_y、水环境外部影响因素输入延迟阶数d_u、隐藏层节点数n_max和权重参数w已确定的基础上，设定输变电水环境指标预测模型的输入分别为：

…

则对应的输变电水环境指标预测值分别为：

当S4中第t个输入-输出映射的t取值为时，对应的输入-输出映射的输出分别为：

验证样本集对应的验证误差E_v计算如下：

S6-5、若输变电水环境指标预测模型的验证误差E_v小于等于模型预测精度要求ε，即E_v≤ε，则此时水环境指标输入延迟阶数d_y、水环境外部影响因素输入延迟阶数d_u、隐藏层节点数n_max和权重参数w的取值即为输变电水环境指标预测模型的参数取值，继续进行S7；若输变电水环境指标预测模型的验证误差E_v大于模型预测精度要求ε，即E_v＞ε，则流程返回S6-2，按照S6-2规定的取值范围重新给定水环境指标输入延迟阶数d_y、水环境外部影响因素输入延迟阶数d_u和隐藏层节点数n_max这三个值，然后按照S6-3获取新的权重参数w，最后按照S6-4计算新的验证误差E_v，直到找到一组使E_v≤ε的新的水环境指标输入延迟阶数d_y、水环境外部影响因素输入延迟阶数d_u、隐藏层节点数n_max和权重参数w的取值，此组新的取值即为输变电水环境指标预测模型的参数取值；

S7、根据参数取值已定的输变电水环境指标预测模型、基于断面水环境指标的反馈时间序列Y和基于外部因素的输入时间序列U预测输变电水环境指标的将来值；具体如下：

将输入参数取值已定的输变电水环境指标预测模型，得到模型的输出输出即为t_max+1采样时刻的输变电水环境指标预测值。