应用混合差分演化的稀土矿区农田水体BOD软测量方法技术

本发明专利技术公开了一种应用混合差分演化的稀土矿区农田水体BOD软测量方法。本发明专利技术采用神经网络作为稀土矿区农田水体BOD的软测量模型，并利用混合差分演化算法优化设计神经网络的参数。在混合差分演化中，将最优个体与随机个体进行线性组合生成变异算子的基础个体，以此实现勘探搜索与开采搜索的平衡。此外，利用最优个体的信息来指导种群的搜索方向以提高软测量的精度。本发明专利技术能够提高稀土矿区农田水体BOD软测量的精度。

BOD soft sensing method for farmland water in rare earth mining area using mixed differential evolution

The invention discloses a BOD soft measuring method for farmland water in a rare earth mining area by using mixed differential evolution. The neural network is used as the soft sensing model of the farmland water BOD in the rare earth mine area, and the mixed differential evolution algorithm is used to optimize the parameters of the neural network. In the mixed differential evolution, the optimal individuals and the random individuals are linearly combined to generate the base individuals of the mutation operators, so as to realize the balance between the exploration search and the mining search. In addition, the optimal individual information is used to guide the search direction of the population in order to improve the precision of soft sensing. The invention can improve the precision of the BOD soft sensing of the farmland water in the rare earth mining area.

【技术实现步骤摘要】
应用混合差分演化的稀土矿区农田水体BOD软测量方法
本专利技术涉及水体BOD软测量领域，尤其是涉及一种应用混合差分演化的稀土矿区农田水体BOD软测量方法。
技术介绍
稀土在现代科技发展中具有非常重要的作用。我国是稀土资源大国，拥有非常丰富的稀土矿产资源。然而，在稀土采矿过程中，往往会产生大量的废水。尤其是在我国南方地区的离子型稀土的开采过程中会往山体中注入大量的酸性溶液，这样容易导致离子型稀土矿区地表水受到污染，而地表水又会流向溪水，最终通往农田的灌溉，从而污染稀土矿区的农田。为了有效地监测稀土矿区农田的水体污染，就需要掌握农田水体水质的变化规律。BOD是反映农田水体水质的重要指标之一，但直接测定水体BOD需要较长的周期，这无法及时地掌握水体水质的真实情况。为此，许多研究人员提出了水体BOD软测量方法，其基本思想就是通过一些容易测量出来且与水体BOD密切相关的水质指标来间接地把握水体BOD的规律，也就是说，以这些容易测量出来的水质指标为辅助变量，然后建立起辅助变量与水体BOD之间的数学模型，以此掌握水体BOD的动态变化规律。因此，水体BOD软测量方法可以较快地测量出水体BOD，从而较迅速地了解水体水质的真实情况。由于水体BOD软测量方法具有许多优点，它吸引了许多研究人员对其进行研究。例如，乔俊飞等专利技术了一种污水处理过程中生化需氧量BOD的软测量方法，该专利技术采用神经网络来建立水体BOD的软测量模型(专利号：200810224496.5)；田奕和乔俊飞提出了一种基于遗传算法的BOD神经网络软测量方法，该方法利用遗传算法来优化设计神经网络的参数，从而建立起水体BOD的软测量模型(田奕,乔俊飞.基于遗传算法的BOD神经网络软测量[J].计算机技术与发展,2009,19(3):127-129,133)；乔俊飞和韩红桂专利技术了一种基于弹性径向基神经网络的生化需氧量BOD软测量方法，该专利技术利用弹性径向基神经网络来建立水体BOD的软测量模型，并以弹性径向基神经网络的输出作为BOD的软测量值。(专利号：201010252670.4)。神经网络在水体BOD软测量中应用非常广泛，但传统神经网络在建立稀土矿区农田水体BOD的软测量模型时容易出现陷入局部最优，测量精度不高的缺点。
技术实现思路
本专利技术针对传统神经网络模型应用于稀土矿区农田水体BOD软测量时容易出现陷入局部最优，软测量精度不高的缺点，提出一种应用混合差分演化的稀土矿区农田水体BOD软测量方法。本专利技术能够提高稀土矿区农田水体BOD软测量的精度。本专利技术的技术方案：一种应用混合差分演化的稀土矿区农田水体BOD软测量方法，包括以下步骤：步骤1，在需要软测量的稀土矿区农田内连续BD天采集水体样本，并对水体样本进行实验，测量出与农田水质相关的指标：化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度、BOD值，将测量出来的数据作为样本数据集；然后对采集到的样本数据集进行归一化处理；步骤2，用户初始化参数，所述初始化参数包括三层感知器神经网络隐含层神经元的个数BN，种群大小Popsize，杂交率Cr，缩放因子F和最大评价次数MAX_FEs；步骤3，当前演化代数t＝0，当前评价次数FEs＝0；步骤4，令三层感知器神经网络的输入变量为归一化的化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度，且输出为归一化的BOD值，然后确定三层感知器神经网络的隐含层和输出层的传递函数，并计算三层感知器神经网络的优化设计参数个数D＝BN×9+1；步骤5，随机初始化种群其中：个体下标i＝1,2,...,Popsize；为种群Pt中的第i个个体并且存储了三层感知器神经网络的D个待优化设计参数；步骤6，计算种群Pt中每个个体的适应值；步骤7，令当前评价次数FEs＝FEs+Popsize；步骤8，保存种群Pt中的最优个体Bestt；步骤9，令计数器bi＝1；步骤10，如果计数器bi大于种群大小Popsize，则转到步骤16，否则转到步骤11；步骤11，执行改进的差分演化操作算子产生一个试验个体其步骤如下：步骤11.1，令计数器bj＝1；步骤11.2，在[1,D]之间随机产生一个正整数jRand；步骤11.3，在种群Pt中随机选择出两个不相等的个体和步骤11.4，如果个体的适应值比个体的适应值更优，则令个体否则令个体步骤11.5，在[0,1]之间产生一个服从均匀分布的随机实数BW，然后令组合基础个体BBt＝Bestt×BW+XBt×(1-BW)；步骤11.6，在[1,Popsize]之间随机产生两个互不相等的正整数RB3和RB4；步骤11.7，如果计数器bj小于或等于D，则转到步骤11.8，否则转到步骤12；步骤11.8，在[0,1]之间产生一个随机实数r1，如果r1小于杂交率Cr或者计数器bj等于jRand，则转到步骤11.9，否则转到步骤11.11；步骤11.9，步骤11.10，转到步骤11.12步骤11.11，步骤11.12，令计数器bj＝bj+1，然后转到步骤11.7；步骤12，计算试验个体的适应值；步骤13，令当前评价次数FEs＝FEs+1；步骤14，执行选择操作算子在个体与试验个体之间选择更优者进入下一代种群；步骤15，令计数器bi＝bi+1，然后转到步骤10；步骤16，在种群Pt中随机选择出一个个体然后对个体执行局部搜索得到个体并计算个体的适应值，具体步骤如下：步骤16.1，在[0，1]之间随机产生一个实数rw；步骤16.2，令计数器bk＝1；步骤16.3，如果计数器bk大于D，则转到步骤16.6，否则转到步骤16.4；步骤16.4，令步骤16.5，令计数器bk＝bk+1，转到步骤16.3；步骤16.6，计算个体的适应值，并令当前评价次数FEs＝FEs+1，转到步骤17；步骤17，如果个体的适应值优于个体的适应值，则令个体否则保持个体不变；步骤18，保存种群Pt中的最优个体Bestt；步骤19，令当前演化代数t＝t+1；步骤20，重复步骤9至步骤19直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为三层感知器神经网络的优化设计参数，并将得到的三层感知器神经网络作为软测量模型，即可实现稀土矿区农田水体BOD的软测量。本专利技术采用神经网络作为稀土矿区农田水体BOD的软测量模型，并利用混合差分演化算法优化设计神经网络的参数。在混合差分演化中，将最优个体与随机个体进行线性组合生成变异算子的基础个体，以此实现勘探搜索与开采搜索的平衡。此外，利用最优个体的信息来指导种群的搜索方向以提高软测量的精度。本专利技术能够提高稀土矿区农田水体BOD软测量的精度。附图说明图1为本专利技术的流程图。具体实施方式下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。实施例：步骤1，确定稀土矿区农田，并对其连续BD＝52天采集水体样本，并对水体样本进行实验，测量出与农田水质相关的指标：化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度、BOD值，将测量出来的数据作为样本数据集；然后对采集到的样本数据集进行归一化处理；步骤2，用户初始化参数，所述初始化参数包括三层感知器神经网络隐含层神经元的个数BN＝8，种群大小Popsize＝100，杂交率Cr＝0.9，缩放因本文档来自技高网...

【技术保护点】
应用混合差分演化的稀土矿区农田水体BOD软测量方法，其特征在于，包括以下步骤：步骤1，在需要软测量的稀土矿区农田内连续BD天采集水体样本，并对水体样本进行实验，测量出与农田水质相关的指标：化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度、BOD值，将测量出来的数据作为样本数据集；然后对采集到的样本数据集进行归一化处理；步骤2，用户初始化参数，所述初始化参数包括三层感知器神经网络隐含层神经元的个数BN，种群大小Popsize，杂交率Cr，缩放因子F和最大评价次数MAX_FEs；步骤3，当前演化代数t＝0，当前评价次数FEs＝0；步骤4，令三层感知器神经网络的输入变量为归一化的化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度，且输出为归一化的BOD值，然后确定三层感知器神经网络的隐含层和输出层的传递函数，并计算三层感知器神经网络的优化设计参数个数D＝BN×9+1；步骤5，随机初始化种群

【技术特征摘要】
1.应用混合差分演化的稀土矿区农田水体BOD软测量方法，其特征在于，包括以下步骤：步骤1，在需要软测量的稀土矿区农田内连续BD天采集水体样本，并对水体样本进行实验，测量出与农田水质相关的指标：化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度、BOD值，将测量出来的数据作为样本数据集；然后对采集到的样本数据集进行归一化处理；步骤2，用户初始化参数，所述初始化参数包括三层感知器神经网络隐含层神经元的个数BN，种群大小Popsize，杂交率Cr，缩放因子F和最大评价次数MAX_FEs；步骤3，当前演化代数t＝0，当前评价次数FEs＝0；步骤4，令三层感知器神经网络的输入变量为归一化的化学需氧量、pH值、氨氮、硝酸盐、水温、农田面积、水深度，且输出为归一化的BOD值，然后确定三层感知器神经网络的隐含层和输出层的传递函数，并计算三层感知器神经网络的优化设计参数个数D＝BN×9+1；步骤5，随机初始化种群其中：个体下标i＝1,2,...,Popsize；为种群Pt中的第i个个体并且存储了三层感知器神经网络的D个待优化设计参数；步骤6，计算种群Pt中每个个体的适应值；步骤7，令当前评价次数FEs＝FEs+Popsize；步骤8，保存种群Pt中的最优个体Bestt；步骤9，令计数器bi＝1；步骤10，如果计数器bi大于种群大小Popsize，则转到步骤16，否则转到步骤11；步骤11，执行改进的差分演化操作算子产生一个试验个体其步骤如下：步骤11.1，令计数器bj＝1；步骤11.2，在[1,D]之间随机产生一个正整数jRand；步骤11.3，在种群Pt中随机选择出两个不相等的个体和步骤11.4，如果个体的适应值比个体的适应值更优，则令个体否则令个体步骤11.5，在[0,1]之间产生一个服从均匀分布的随机实...

【专利技术属性】
技术研发人员：郭肇禄，杨火根，王洋，董姗燕，刘小生，余法红，吴志健，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西,36