In order to improve the quality of FWA initial fireworks, an improved two stage sinusoidal chaotic mapping is defined to improve the quality of the members of the initial fireworks. In order to improve the optimization performance of the basic FWA, a mixed chaos optimization algorithm and a FWA algorithm are proposed to improve the optimization performance of the basic FWA. The hybrid optimization algorithm of chaotic fireworks and fireworks. The invention effectively enhances the exchange and sharing of information among the members of the population, improves the diversity of the population, expands the search scope in the solution space, and avoids the premature convergence of the algorithm. In addition, in view of the soft measurement modeling problem of dissolved oxygen concentration in wastewater treatment process, a new sample similarity measure index is defined and a representative sample extraction method is proposed to extract more representative modeling data, and the improved chaotic fireworks hybrid optimization algorithm is applied to soft sensing modeling. The training of median neural network has achieved good results.
【技术实现步骤摘要】
基于混沌-烟花混合算法的污水处理过程软测量建模方法
本专利技术涉及软测量建模领域,具体涉及一种基于混沌-烟花混合算法的污水处理过程软测量建模方法。
技术介绍
随着工业和生活污水排放量的不断增加,水资源污染日益严重,使原本短缺的水资源更加捉襟见肘。城镇污水处理及再生利用是改善生态环境、解决城市缺水问题的有效途径之一。目前污水处理多采用生化法,是工业和城市污水处理的最主要途径。污水生化处理系统中,水中溶解氧浓度(DO)是污水处理生化反应过程中的一项重要指标,可及时直观地反应整个污水处理系统的运行状况,溶解氧浓度的监测与控制对提高污水处理过程的处理效果和处理效率至关重要。受污水处理过程中存在污水成分繁杂多变、污水污泥流量存在诸多不确定性等因素影响,现有方法难以实现对溶解氧质量浓度的实时准确测量,难以满足污水处理过程需求,溶解氧质量浓度等参数的在线软测量技术研究具有重要意义。人工神经网络是一种常用的软测量建模方法。为进一步提高神经网络软测量模型的性能,常将PSO等群体智能优化算法用于神经网络的网络权值优化。2000年以来,诸多新型群体智能优化算法陆续被提出。2010年,Tan和Zhu等学者根据烟花爆炸产生火花这一现象提出烟花算法(Fireworksalgorithm,FWA),凭借其较强的鲁棒性能和全局寻优能力受到不同领域学者的广泛关注。目前已成功用于解决神经网络权值的训练、连续和离散系统的参数优化及组合优化问题的求解等方面问题。为进一步提高算法的优化性能,众多学者从不同角度提出许多改进算法并进行了机制分析和对比研究,均取得良好成效。烟花算法属于有导向的随机性启发 ...
【技术保护点】
基于混沌‑烟花混合算法的污水处理过程软测量建模方法,其特征在于定义了一种改进的两级正弦混沌映射,利用混沌运动的遍历性改进了FWA初始成员的提取方法;为进一步提高现有FWA的优化性能,将FWA算法和混沌优化算法(COA算法)有机融合,定义了一种改进的混沌‑烟花混合优化算法(CFWA);针对污水生化处理过程溶解氧质量浓度的软测量建模问题,定义了一项新的样本相似度衡量指标和一种代表样本的提取方法,用于提取更具代表性的建模数据,并将改进的混沌‑烟花混合优化算法应用于软测量建模中神经网络的训练。
【技术特征摘要】
1.基于混沌-烟花混合算法的污水处理过程软测量建模方法,其特征在于定义了一种改进的两级正弦混沌映射,利用混沌运动的遍历性改进了FWA初始成员的提取方法;为进一步提高现有FWA的优化性能,将FWA算法和混沌优化算法(COA算法)有机融合,定义了一种改进的混沌-烟花混合优化算法(CFWA);针对污水生化处理过程溶解氧质量浓度的软测量建模问题,定义了一项新的样本相似度衡量指标和一种代表样本的提取方法,用于提取更具代表性的建模数据,并将改进的混沌-烟花混合优化算法应用于软测量建模中神经网络的训练。2.根据权利要求1所述的基于混沌-烟花混合算法的污水处理过程软测量建模方法,其特征在于所述FWA初始成员的提取方法,利用混沌运动的遍历性在解空间产生较大规模的初始群体,依据各成员间的欧式距离从中提取分布均匀的FWA初始烟花,使有限规模的烟花均匀分布于解空间;FWA初始烟花成员的提取方法描述如下:(1)采用多轨道正弦混沌映射SM对多个不同初始值进行混沌迭代,产生一定规模的多维混沌向量X,X=(x1,…,xn),n代表解空间维数;(2)计算n维向量间的空间距离(即欧式距离)dij,当dij<ε时去除i,j两个向量中的一个向量;(3)将筛选后的向量线性变换至求解空间,作为FWA群成员的初始位置;其中,正弦混沌映射SM可用式(1)表示,zn+2=rsin(5.65/zn+1)+(1-r)sin(5.65/zn),-1≤zn≤1,zn≠0(1)式中分形系数r~(0,1),当r=0或r=1时,该映射转化为正弦混沌满映射;迭代的初始值z0不能为0,且z0不能取为无穷多个平衡点的任何一点;Lyapunov指数是衡量混沌性质的一项重要指标,正弦混沌映射SM的最大Lyapunov指数λmax可用式(2)表示,当r~(0,1)时λmax为正,其混沌特性比常用的有限折叠次数映射更为明显。3.根据权利要求1所述的基于混沌-烟花混合算法的污水处理过程软测量建模方法,其特征在于所述混沌-烟花混合优化算法(CFWA),通过融合COA算法和FWA算法,提高了基本FWA的优化性能;整个优化过程分为两阶段,两分群分别采用COA策略和FWA策略同时进行,其中两分群分别为FWA分群即F群和COA分群即C群;优化过程分两个阶段进行:第一阶段,F群和C群分别按FWA机制和COA机制同时进行搜索;根据基本烟花算法原理,烟花xi的爆炸半径Ri和爆炸火花数Si的计算公式分别为式(3)和式(4);搜索过程中,CFWA的F群成员在计算烟花爆炸半径Ri和爆炸火花数Si时,式(3)和式(4)中ymin和ymax分别为t时刻整个寻优群体(包含F群和C群)的适应度最优值和最差值;CFWA的C群成员利用COA算法的全局遍历性避免群成员陷入局部最优区或早熟收敛,并实现整个寻优过程中F群和C群的信息共享;第二阶段,当F群烟花成员陷入局部最优区,C群成员则在以局部极值点为中心的附近区域内搜索迭代,并将C分群适应值较好的部分成员取代F群中相同数量的较差成员,帮助F群成员远离局部最优区。设Fymin(t)、Fymax(t)分别代表t时刻F群适应度最优值和最差值,Cymin(t)、Cymax(t)分别代表t时刻C群适应度最优值和最差值,ymin和ymax分别代表t时刻整群的适应度最优值和最差值,混沌-烟...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。