一种基于新型BP神经网络建模的沼气生产过程的预测方法技术

本发明专利技术公开了一种基于新型BP神经网络建模的沼气生产过程的预测方法。包括如下步骤：通过现场操作或者实验获得沼气生产过程中的数据(不同原料的配比及其各自指定发酵时间的输出产气量Y)；将采集到的数据用于新型BP神经网络的训练；利用训练到的最终模型对沼气生产过程的不同原料配比进行产气预测，并且再次验证所获取模型的有效性；将通过验证的模型用于实际沼气工程的原料配比技术指导。本发明专利技术可靠性及精度都非常高，克服了目前甲烷生产企业原料盲目配比的低效益生产模式，可实现相同原料种类下不同配比的沼气企业效益提前精确预测，可广泛应用。

A Prediction Method of Biogas Production Process Based on New BP Neural Network Modeling

The invention discloses a prediction method of biogas production process based on a new BP neural network model. It includes the following steps: obtaining the data of biogas production process through field operation or experiment (the ratio of different raw materials and the output gas yield Y of their respective designated fermentation time); applying the collected data to the training of the new BP neural network; using the final model trained to predict the gas production of different raw materials in biogas production process, and verifying the acquired model again. The validity of the model will be used for the technical guidance of raw material mixing in actual biogas engineering. The invention has high reliability and accuracy, overcomes the current low-benefit production mode of blind matching of raw materials in methane production enterprises, achieves accurate prediction of the benefits of different matching of biogas enterprises under the same raw material type, and can be widely applied.

【技术实现步骤摘要】
一种基于新型BP神经网络建模的沼气生产过程的预测方法
本专利技术涉及一种沼气预测方法，尤其针对甲烷企业具有不同种原料来源的混合厌氧发酵产沼气亟需的高新技术。
技术介绍
全球能源的需求不断增大，其中化石燃料所占燃料比重为89％，由于化石燃料是不可再生能源，并且它的利用会导致全球污染。在这严峻的情况下，人们越来越注重可再生能源的发展，其中就包括沼气。沼气是多用途的可再生能源，既可以替代化石燃料，又可以当作车用燃料，而富含甲烷的沼气还可以替代天然气使用。因此，甲烷作为沼气最主要成分成为近年来的研究热点，它是一种由有机废物的厌氧消化(AnaerobicDigestion，AD)产生的生物燃料，通过水解，产乙酸和产甲烷菌在有机材料上的协调代谢活动。AD产甲烷是最经济有效的产生物能方式之一，用于产能低的国家和节约化学品。考虑到世界日益枯竭的资源与社会发展所面临的资源需求之间的矛盾，基于沼气生产的新能源开发与先进生产技术研究是当前各国此领域内专家普遍认同的解决该问题的有效手段。我国现有丰富的生物质能源，而且地球地大物博能够产出沼气的原料很多。单一的原料容积产气率较低，而混合原料产气率高于任以一单一原料的容积产气率。故基于可获得的原料种类的最佳配比的技术具有非常重要的意义，此问题涉及到不同原料的配比与产气量之间的模型预测问题。故基于可获得的原料种类的最佳配比的技术具有非常重要的意义，此问题涉及到不同原料的配比与产气量之间的模型预测问题。BP(backpropagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。BP神经网络建模方法将是今后建模方法发展的主要方向。人工神经网络是在模拟大脑神经功能的基础上设立的一种信息处理系统，是一个适宜开发生物进程的模型，它不必事先了解各个物质之间的动力学和文化环境。它包含三个层级，分别是输入层、隐含层、输出层，其中隐含层可以有多个，在一般情况下，采用的是三层结构，如附图2所示。BP神经网络是人工神经网络其中一种，是基于误差反向传播的多层前向神经网络。它模拟人脑神经元对外部刺激信号的反应过程，建立多层感知器，并且运用信号的正向传播和误差的反向调节，进行多次学习，进而形成神经网络模型。BP算法的学习过程包括两个阶段：信号的正向传播和误差的反向传播。信号正向传播：外界信号由输入层经由隐含层传到输出层，在输出端产生输出信号，网络的权值在信号向前传播的过程中是固定的，如果输出层没有得到期望的输出，则转入误差信号反向传播过程。误差信号反向传播：误差信号由输出端开始逐层向前传播，各单元层神经元的连接权重由误差反馈进行调节，通过反复调节使得神经元之间的权值不断的修正，当输出端的实际输出靠近期望输出时，停止学习。传统的BP神经网络是基于数据的，需要大量的数据，而且会陷入局部极值，权值收敛到局部极小点，从而导致网络训练失败。在本专利技术中提出的新型BP神经网络不仅仅克服数据量少的问题而且精度还高。本专利技术方法用新型BP神经网络建模方法在建模软件上构建新型BP神经网络的反向传播多层感知体系结构，建立三层新型BP神经网络模型，采用新型BP神经网络训练并预测出更拟合实验数据的结果。基于准确模型的不同原料的配比，可以很快的预测出不同原料配比的将来比较精确的沼气累计产气量，进而对非最优的原料配比发酵过程进行预筛选，提高沼气企业的经济效益。
技术实现思路
本专利技术的目的在于：提供一种基于新型BP神经网络建模的沼气生产过程预测方法，能够利用新型BP神经网络对沼气累计产气量进行预测，进而对非最优的原料配比发酵过程进行预筛选，提高沼气企业的经济效益。本专利技术所述的一种基于新型BP神经网络建模的沼气生产过程预测方法，包括如下步骤：1)通过现场原料的种类即不同配比形成n组不同的测试组，同时将其置于相同的环境温度下，以指定天数的甲烷产气各自累计产气量结合原始的原料配比，形成采样数据，将采集到的数据存储到数据表中；2)对步骤1)中的沼气累计产气量或者是沼气性能指标Y进行数据预处理，在数据预处理(归一化)后，将数据分成两部分，分别用来训练和预测；3)其中第一部分进行新型BP神经网络的训练，获得新型BP神经网络模型参数和输入层和隐含层之间的连接权重wij、隐含层和输出层之间的连接权重wjk；4)利用步骤3)训练得到新型BP神经网络算法模型对沼气生产过程进行预测，获得预测结果并且与第二部分的实验输出结果进行对比。5)经过离散的输入测试后的新型BP神经网络模型，可以运用到实际生产过程中。当新的原料配比出现的时候，将数据输入测试验证后的新型BP神经网络可以很快的获取输出沼气累计量，从而可以提高沼气企业的经济效益。所述步骤1)中，采集的数据为n个输入和n个输出，n个输入的比例之和为1，输出沼气累计量的值进行数据的预处理(标准化)，目标函数为：式中，①x1，x2，x3，...，xn分别对应于n个输入，Y是指定天数的输出沼气累计产量或者是沼气性能指标。②BP神经网络的功能函数较目前的研究多用Sigmoid函数极少数选用用双曲正切函数相比两个函数可知，S型函数只能取正值，双曲正切可正可负；在-1＜x＜1范围内，双曲正切函数的导函数比Sigmoid函数的导函数变化速度快，误差校正较大，从而加速了神经网络的收敛。③虽然传统的双曲正切函数可改善了BP神经网络的收敛速度慢的缺陷，但是BP神经网络中所需数据量大和精度低的缺陷还未得到解决，所以在本专利技术中，提出了一种新型双曲线正切函数f(x)＝a*tanh(x)(其中a为自由赋值的参数，通常0＜a＜1)，它是在双曲线正切函数的基础上改进的，通过实例已经验证新型的双曲正切函数可以改善上述缺陷。这样即使我们在仅有少量数据的时候，也可以通过新型BP神经网络做出精准的预测。在获得不同原料的配比的情况下，可以很快的预测出比较精确的沼气累计产气量。新型双曲线正切函数的出现，提高众多沼气企业的经济效益。所述步骤2)中，将数据分为两部分，其中C％(一般C大于80)的数据组用来训练结构化的新型BP神经网络模型，剩下的数据用来验证新型BP神经网络的预测。所述步骤3)中，所述新型BP神经网络训练算法如下：(1)任意对输入层和隐含层之间的连接权重wij和隐含层和输出层之间的连接权重wjk赋个初始值，要求每一个连接权重值都不雷同，并且都是在(-1，1)之间的非零数；(2)确定每个样本(Xp，Yp)的网络的实际输出值Op；其中，p＝1、2、…i；(3)计算实际输出值Op与理想输出Yp之间的差值；(4)依照网络结构的极小误差方式调整权值矩阵；(5)将最大迭代次数N与事先给定的值进行比较，若大于事先给定值则判断网络结构的误差是否小于ε；反之将网络结构误差反向传播，修正各个权重，返回步骤1)。所述步骤4)中，预测结果与第二部分的实验输出结果进行对比后即可验证新型BP神经网络模型。所述步骤5)中，经过验证后的新型BP神经网络模型，可以运用到实际生产过程中。基于准确模型的不同原料的配比，可以很快的预测出不同原料配比的将来比较精确的沼气累计产气量，进而对非最优的原料配比发酵过程进行预筛选，提高沼气企业的经济效益。本专利技术由于采取以本文档来自技高网...

【技术保护点】
1.一种基于新型BP神经网络建模的沼气生产过程的预测方法，其特征包括如下步骤：1)通过现场原料的种类即不同配比形成n组不同的测试组，同时将其置于相同的环境温度下，以指定天数的甲烷产气各自累计产气量结合原始的原料配比，形成采样数据，将采集到的数据存储到数据表中，对于每一组的各种配比输入以及其输出的产气结果，结合初始的非精确的训练预测模型，将新型双曲线正切函数作为目标函数(其中新型双曲线正切函数是本专利要保护的核心)；2)对输出结果做数据预处理，在数据预处理(标准化，公式如下)后，将数据分成两部分，分别用来训练和预测。标准化方法为将原始数据y通过标准化成y′：

【技术特征摘要】
1.一种基于新型BP神经网络建模的沼气生产过程的预测方法，其特征包括如下步骤：1)通过现场原料的种类即不同配比形成n组不同的测试组，同时将其置于相同的环境温度下，以指定天数的甲烷产气各自累计产气量结合原始的原料配比，形成采样数据，将采集到的数据存储到数据表中，对于每一组的各种配比输入以及其输出的产气结果，结合初始的非精确的训练预测模型，将新型双曲线正切函数作为目标函数(其中新型双曲线正切函数是本专利要保护的核心)；2)对输出结果做数据预处理，在数据预处理(标准化，公式如下)后，将数据分成两部分，分别用来训练和预测。标准化方法为将原始数据y通过标准化成y′：其中μ为均值，σ为标准差。标准化得到的结果是所有数据都聚集在0附近，方差为1；3)其中第一部分进行新型BP神经网络的训练，获得新型BP神经网络模型参数和输入层和隐含层之间的连接权重wij、隐含层和输出层之间的连接权重wjk；4)利用步骤3)训练得到新型BP神经网络算法模型对甲烷产气过程进行预测，获得预测结果并且与第二部分的实验输出结果进行对比；5)经过离散的输入测试后的新型BP神经网络模型，可以运用到实际生产过程中。当新的原料配比出现的时候，将数据输入测试验证后的新型BP神经网络可以很快的获取输出沼气累计量，从而可以提高沼气企业的经济效益。2.根据权利要求1所述的一种基于新型BP神经网络建模的沼气生产过程预测方法，其特征在于：所述步骤1)中，采集的数据为n个输入和n个输出，n个输入的比例之和为1，输出沼气累计量的值进行数据的预处理(标准化)，目标函数为：式中，①x1，x2，x3，...，xn分别对应于n个输入，Y是指定天数的输出沼气累计产量或者是沼气性能指标。②BP神经网络的功能函数较目前的研究多用Sigmoid函数极少数选用双曲正切函数相比两个函数可知，S型函数只能取正值，双曲正切可正可负；在-1＜x＜1范围内，双曲正切函数的导函数比Sigmoid函数的导函数变化速度快，误差校正较大，从而加速了神经网络的收敛。③虽然传统的双曲正切函数可改善了BP神经网络的收敛速度慢的缺陷，但是BP神经网络中所需数据量大和精度低的缺陷还未得到解决，所以在本发明中，提出了一种新型双曲线正切函数f(x)＝a*tanh(x)(其中a为自由赋值的参数，通常...

【专利技术属性】
技术研发人员：鲍敏，杨世品，李丽娟，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32