[发明专利]一种基于自编码神经网络的城市污水处理过程异常数据检测方法

权利要求书

1.一种基于自编码神经网络的城市污水处理过程异常数据检测方法，其特征在于，包括以下步骤：

(1)采集城市污水处理过程数据

以城市污水处理过程为研究对象，选取进水流量、进水化学需氧量、进水总磷、出水总氮、出水总磷、进水氨氮、进水酸碱度、曝气池温度和生物需氧量9个变量；所有变量按公式(1)归一化：

其中，i＝1,…,9，t＝1,2,…,Z，Z为样本总数，L₁(t)为t时刻进水流量，单位为升/立方米，L₂(t)为t时刻进水化学需氧量，单位为毫克/升，L₃(t)为t时刻进水总磷浓度，单位为毫克/

升，L₄(t)为t时刻出水总氮浓度，单位为毫克/升，L₅(t)为t时刻出水总磷浓度，单位为毫克/升，L₆(t)为t时刻进水氨氮浓度，单位为毫克/升，L₇(t)为t时刻进水酸碱度，L₈(t)为t时刻曝气池温度，单位为摄氏度，L₉(t)为t时刻生物需氧量，单位为毫克/升，L_i,max为第i个变量的最大值，L_i,min为第i个变量的最小值，x₁(t)为t时刻归一化进水流量，x₂(t)为t时刻归一化进水化学需氧量，x₃(t)为t时刻归一化进水总磷浓度，x₄(t)为t时刻归一化出水总氮浓度，x₅(t)为t时刻归一化出水总磷浓度，x₆(t)为t时刻归一化进水氨氮浓度，x₇(t)为t时刻归一化进水酸碱度，x₈(t)为t时刻归一化曝气池温度，x₉(t)为t时刻归一化生物需氧量；

将归一化后的Z个样本分为两组，一组为包含N个样本的训练集X，另一组为包含M个样本的测试集X′，NM，M＝Z-N，N且M为正整数；

(2)建立基于自编码神经网络的检测模型

检测模型以自编码神经网络为载体，该模型包含以下三层：

输入层：由9个神经元组成，输入变量为x₁(t),x₂(t),x₃(t),x₄(t),x₅(t),x₆(t),x₇(t),x₈(t),x₉(t)，每个神经元的输出为：

u_i(t)＝x_i(t) (2)

其中，u_i(t)是t时刻第i个输入层神经元的输出值；

隐含层：由5个神经元组成，每个神经元输出为：

其中，h_j(t)为t时刻第j个隐含层神经元的输出值，W_eij(t)为t时刻第i个输入层神经元第j个隐含层神经元的连接权重，b_ej(t)为t时刻第j个隐含层神经元的偏移量，j＝1,…,5；

输出层：由9个神经元组成，每个神经元输出为：

其中，为t时刻第i个输出层神经元的输出值，W_dji(t)为t时刻第j个隐含层神经元第i个输出层神经元的连接权重，b_di(t)为t时刻第i个输出层神经元的偏移量；

(3)设计基于梯度下降的检测模型参数更新方法

①设初始迭代次数s＝1，最大迭代次数S＝150，初次迭代隐含层神经元连接权重W_1eij(t)在区间[-1,1]中随机取值，初次迭代隐含层神经元偏移量在区间[-1,1]中随机取值，初次迭代输出层神经元连接权重W_1dji(t)在区间[-1,1]中随机取值，初次迭代输出层神经元偏移量/在区间[-1,1]中随机取值；

②将训练集X＝[x₁(t),…,x_n(t)]^T输入检测模型，x_n(t)＝[x_1n(t),…,x_in(t)]为第n个训练样本，n＝1,…,N，T为转置计算，根据公式(2)-(4)，得到训练误差函数E(t)为：

其中，x_in(t)为第n个训练样本中的第i个变量值，为检测模型输出中的第i个变量值；

③利用梯度下降算法更新检测模型参数：

其中，为第s次迭代第j个隐含层神经元连接权重，为第s次迭代隐含层神经元的偏移量，/为第s次迭代第i个输出层神经元连接权重，/为第s次迭代输出层神经元的偏移量，/

α为学习率且取值范围为(0,0.1)；

④若sS，则s增加1，返回步骤②；若s≥S，则停止训练，得到训练好的检测模型；

(4)构建基于记忆模块的自适应异常分数阈值判别策略

Ⅰ设记忆模块初始指针为p＝1，记忆长度q＝20，初始测试样本数m＝1；

Ⅱ将测试集X′＝[x′₁(t),…,x′_m(t)]^T顺序输入到训练好的检测模型中，第m个测试样本x′_m(t)＝[x′_1m(t),…,x′_im(t)]的异常分数为:

其中，x′_im(t)为第m个测试样本中的第i个变量值，为检测模型输出中的第i个变量值；

将异常分数e_m(t)保存到记忆模块P；

Ⅲ若p≤m≤p+q，则m增加1，返回步骤Ⅱ；若mp+q，则执行步骤Ⅳ；

Ⅳ从记忆模块P中提取异常分数e(t)＝[e_p(t),…,e_m(t)]，p≤m≤p+q，计算异常分数的上阈值ε_max和下阈值ε_min：

ε_max＝u+3σ (11)

ε_min＝u-3σ (12)

其中，u为测试样本异常分数的平均值，σ为测试样本异常分数的标准差，计算公式为；

Ⅴ根据公式(11)-(14)，对测试样本x′_m(t)标记异常标签I_m(t)：

其中，I_m(t)＝1表示测试样本x′_m(t)为异常样本，I_m(t)＝0表示测试样本x′_m(t)为正常样本，将I_m(t)输入异常标签向量I(t)中；

Ⅵ若m≤M，则p增加1，m增加1，返回步骤Ⅱ；若mM，则停止检测；

(5)实现城市污水处理过程异常数据检测

输出M个测试样本异常标签向量I(t)＝[I₁(t),…,I_M(t)]，实现城市污水处理过程异常数据检测。