一种基于群决策案例推理的溶解氧浓度软测量方法技术

针对污水处理过程溶解氧浓度的分析仪器测量滞后和建立估计溶解氧浓度的精确数学模型困难的问题，本发明专利技术提出一种基于群决策案例推理的溶解氧浓度软测量方法，实现溶解氧浓度的精确估计；该方法通过确定特征变量、建立软测量案例库、分配权重、获取目标案例、数值归一化、案例检索、群决策案例重用及案例存储等环节建立案例推理软测量模型，并实现算法，从而减小测量误差；解决了分析仪器测量滞后的问题，避免了建立精确数学模型的复杂过程；实验结果表明该方法能够快速、准确估计溶解氧浓度，并具有自学习能力，降低了分析仪器的采购和维护成本，有利于溶解氧浓度的实时监控。

【技术实现步骤摘要】
【专利摘要】针对污水处理过程溶解氧浓度的分析仪器测量滞后和建立估计溶解氧浓度的精确数学模型困难的问题，本专利技术提出，实现溶解氧浓度的精确估计；该方法通过确定特征变量、建立软测量案例库、分配权重、获取目标案例、数值归一化、案例检索、群决策案例重用及案例存储等环节建立案例推理软测量模型，并实现算法，从而减小测量误差；解决了分析仪器测量滞后的问题，避免了建立精确数学模型的复杂过程；实验结果表明该方法能够快速、准确估计溶解氧浓度，并具有自学习能力，降低了分析仪器的采购和维护成本，有利于溶解氧浓度的实时监控。【专利说明】
本专利技术利用人工智能领域的案例推理技术实现污水处理过程溶解氧浓度的软测量，溶解氧浓度的实时、快速检测是对其浓度稳定控制的前提，会影响污水处理的效果。污水处理过程中溶解氧浓度的检测作为污水处理的重要环节，是先进制造
的重要分支，既属于人工智能领域，又属于水处理领域。
技术介绍
随着国民经济的增长和公众环保意识的增强，污水处理技术迎来了前所未有的发展机遇。国家中长期科技发展规划中提出要研究并推广高效、低能耗的污水处理新技术，推广应用绿色化、数字化、智能化新技术。因此，本专利技术的研究成果具有广阔的应用前景。硝化反应过程是在有氧条件下发生的，溶解氧浓度的大小直接影响了硝化反应进程，溶解氧浓度变大时，系统中出水氨氮和总氮的浓度就会呈下降趋势，但是当溶解氧浓度达到一定值时，出水中的氨氮的变化幅度就减弱了，因而，对曝气池中溶解氧浓度的控制非常重要，需要将其控制在一定范围内，才能高效利用硝化反应的潜力。而溶解氧浓度的实时、快速测量是稳定控制的前提，在污水处理过程中有重要的实际意义。目前，对溶解氧浓度进行监测的主要手段有仪器设备分析和软测量方法。仪器设备普遍存在使用寿命短、投资成本高、测量滞后等问题，在可靠性、准确性、适应性等方面还有待提高。软测量建模方法主要有机理建模、数据驱动建模几种类型。由于污水处理过程具有强非线性、强耦合性、干扰频繁等复杂特性，导致过程参数的机理模型难以建立，如果能够方便获取一些特征数据，则采用数据驱动建模方法实现软测量不失为一种最佳选择。主要有神经网络、支持向量机等。然而，利用神经网络建模时，通常具有如下问题:缺少确定隐层及节点数目的有效方法；模型存在过拟合、推广能力差的问题；容易陷入局部极小点，不能保证全局最优。另外，支持向量机建模方法也存在一些问题，比如对于大数据集合，训练速度慢，参数的选择主要依靠经验，具有不确定性。案例推理作为一种较新的机器学习方法，在分类、预测回归等领域有着广泛应用，其特征变量的权重分配结果对推理求解的质量有着重要影响，遗传算法是一种典型的客观分配方法，通过多次的随机迭代进化得到特征变量的权重分布，但目前采用遗传算法分配权重时还没有充分利用其迭代寻优能力，未完全挖掘出案例库中所蕴含的权重分配信息，致使后续的相似度计算及问题求解均受到不利影响。以上因素的存在给软测量模型的应用效果带来了不利影响，必须寻求新的处理方法，满足污水处理过程对溶解氧浓度实时、准确测量的需要。
技术实现思路
本专利技术获得了一种溶解氧浓度的软测量方法，该方法将群决策思想应用于案例推理模型中，通过确定特征变量、建立软测量案例库、分配权重、案例检索、群决策案例重用及案例存储等环节建立基于数据的软测量模型，并实现测量算法；解决了分析仪器测量滞后的问题，避免了建立精确数学模型的复杂过程；提高了浓度测量的精度，为稳定控制溶解氧浓度提供了准确的实时数据。本专利技术采用了如下的技术方案及实现步骤:1.，其特征在于包括以下步骤:步骤1、确定影响溶解氧浓度的特征变量分别为:进水流量、化学需氧量浓度、混合液固体悬浮物浓度、氨氮含量和曝气量，分别用X1~X5表不; 步骤2、为了根据以往特征变量和溶解氧浓度的数据去估计新的特征变量数据所表征的溶解氧浓度，建立软测量案例库；将从生产现场获得的历史数据表示成(特征描述；溶解氧浓度)的序偶形式，并存储于案例库中，其中第k个历史数据构成的源案例表示为Ck = (Xk;Yk), k = 1，2，...，P其中，XfUu,…，xi；k,…，x5；k)和Yk分别是第k个源案例的特征描述和溶解氧浓度，P是源案例总数，Xi,k(i=l, 2，…，5)表示第k个源案例特征描述中的第i个特征变量的数值；步骤3、分配各个特征变量的权重；采用遗传算法(genetic algorithms, GA)对权重进行迭代训练后分配，具体为:(I)获取训练案例；设定训练权重的案例数量q,记为Ck, = (Xk, ;Yk, )，k'=I，2，...，q ;(2)为了消除不同特征变量的量纲影响，将特征变量的数值归一化；将训练案例特征描述Xk,中的每一个特征变量的数值按下式进行处理:【权利要求】1.，其特征在于包括以下步骤:步骤1、确定影响溶解氧浓度的特征变量，分别为:进水流量、化学需氧量浓度、混合液固体悬浮物浓度、氨氮含量和曝气量，分别用X1~X5表不； 步骤2、建立案例库；将从生产现场获得的历史数据表示成(特征描述；溶解氧浓度)的序偶形式，并存储于案例库中，其中第k个历史数据构成的源案例表示为Ck= (Xk;Yk), k=l, 2，…，P 其中,Xk=(Xi)5,..., xi；k,..., x5;k)和Yk分别是第k个源案例的特征描述和溶解氧浓度,P是源案例总数，Xi，k(i=l，2，…，5)表示第k个源案例特征描述中的第i个特征变量的数值；步骤3、分配各个特征变量的权重；采用遗传算法(genetic algorithms, GA)对权重进行迭代训练后分配，具体为: (1)获取训练案例；设定训练权重的案例数量q，记为Ck,=(Xk, ;Yk, )，k' =1，2，…，q ; (2)将训练案例特征描述Xk,中的每一个特征变量的数值进行归一化处理，归一化后每个训练案例可表示为Ck = (Xk,;Yk,),k' = l 2 ,g，其中的元,=(iu-.,...,Xi1-.,...)； (3)参数初始化；设足特征变量初始权重组合的组数m>l、群决策的组数N>1、迭代次数Iter>l、交叉概率P。e (0，1)、变异概率？?￡ (O, I)以及对每一个权重进行二进制编码的位数n，然后随机产生由m组以η位二进制编码表示的特征变量权重组合组成的初始权重矩阵G，如下矩阵形式: 2.根据权利要求1所述的，其特征在于:步骤3 (2)中所述的归一化的计算公式如下: 3.根据权利要求1所述的，其特征在于:步骤3 (4)中所述的解码公式如下: 4.根据权利要求1所述的，其特征在于:步骤3 (4)中所述的映射变换具体为:根据Dy的值，将每个特征变量Xi的权重值映射至区间，映射公式如下: 5.根据权利要求1所述的，其特征在于:步骤3 (5)中所述的留一法进行训练，具体为:从q个训练案例中取出任一个作为目标案例，记为(尤，!:)，其中足=味，...,无,…,?)，剩下的q_l个作为新的源案例，记为4=(尤》;；^),无” =1,2,...,9-1，其中足,,=(^U,计算权重组合 Ωπ分别作用时目标案例的特征描述与q_l个源案例特征描述尤^的相似度，其中第j组权重组合Qj作本文档来自技高网...

【技术保护点】
一种基于群决策案例推理的溶解氧浓度软测量方法，其特征在于包括以下步骤：步骤1、确定影响溶解氧浓度的特征变量，分别为：进水流量、化学需氧量浓度、混合液固体悬浮物浓度、氨氮含量和曝气量，分别用x1～x5表示；步骤2、建立案例库；将从生产现场获得的历史数据表示成(特征描述；溶解氧浓度)的序偶形式，并存储于案例库中，其中第k个历史数据构成的源案例表示为Ck=(Xk;Yk),k=1,2,…,p其中，Xk=(x1,k,…,xi,k,…,x5,k)和Yk分别是第k个源案例的特征描述和溶解氧浓度，p是源案例总数，xi,k(i=1,2,…,5)表示第k个源案例特征描述中的第i个特征变量的数值；步骤3、分配各个特征变量的权重；采用遗传算法(genetic algorithms,GA)对权重进行迭代训练后分配，具体为：(1)获取训练案例；设定训练权重的案例数量q，记为Ck′=(Xk′;Yk′),k′=1,2,…,q；(2)将训练案例特征描述Xk′中的每一个特征变量的数值进行归一化处理，归一化后每个训练案例可表示为其中的(3)参数初始化；设定特征变量初始权重组合的组数m>1、群决策的组数N>1、迭代次数Iter>1、交叉概率Pc∈(0,1)、变异概率Pmu∈(0,1)以及对每一个权重进行二进制编码的位数n，然后随机产生由m组以n位二进制编码表示的特征变量权重组合组成的初始权重矩阵G，如下矩阵形式：G=G1...Gj...Gm=G1,1...G1,i...G1,5...............Gj,1...Gj,i...Gj,5...............Gm,1...Gm,i...Gm,5]]>其中，Gj是以二进制码表示的第j组权重组合，Gj,i表示Gj中第i个特征变量xi的二进制码权重，表示Gj,i中的第l位数据；(4)对权重矩阵中的每一组二进制码权重组合进行十进制解码，得到以十进制表示的权重矩阵D，然后经过映射变换得到映射变换后的权重矩阵Ω，所述的权重矩阵D如下所示：D=D1...Dj...Dm=D1,1...D1,i...D1,5...............Dj,1...Dj,i...Dj,5...............Dm,1...Dm,i...Dm,5]]>其中，Dj是以十进制表示的第j组权重组合，Dj,i是十进制解码；所述的权重矩阵Ω如下所示：Ω=Ω1...Ωj...Ωm=ω1,1...ω1,i...ω1,5...............ωj,1...ωj,i...ωj,5...............ωm,1...ωm,i...ωm,5]]>其中，Ωj是映射变换后的第j组权重组合，ωj,i∈[0,1]是第j组权重组合中特征变量xi的权重值；(5)计算相似度；将上步中得到的解码后的m组权重组合Ω1～Ωm分别用q个训练案例(即采用留一法进行训练，计算得到每组权重组合的q‑1个相似度；(6)利用相似度，依次计算权重组合Ω1～Ωm分别作用时溶解氧浓度估计值的平均绝对百分数误差ej(j=1,2,…,m)，并记录本次迭代的最小误差min(e1,e2,…,em)；(7)利用误差ej，依次计算权重组合Ω1～Ωm被选择的概率，然后根据权重组合Ω1～Ωm被选择的概率，采用轮盘赌法得到选择操作后的二进制码权重矩阵G′=[G′1…G′j…G′m]T，其中，T表示矩阵转置，G′j是Gj经过选择操作后的第j组二进制码权重组合；(8)交叉：将上步选择后的权重矩阵G′中的m个权重组合从第一个开始，两两配对交叉，m是奇数时，最后一权重组合不参与交叉，具体为：比较设定的交叉概率Pc∈(0,1)和随机产生的实数rpc∈(0,1)大小关系，如果随机数rpc小于Pc，则产生一个随机整数Cpoint∈(0,5n)，以此整数为分界点将两两配对的权重组合分别分为左右两部分，右边不含分界点处的二进制数，然后将它们的右边部分互相交换；否则，保持原来的值不变，重复此过程，一直到所有权重组合均执行上述操作，从而形成交叉后的权重矩阵G″，如下式所示：G′′=G1′′...Gj′′...Gm′′=G1,1′′...G1,i′′...G1,5′′...............Gj,1′′...Gj.i′′...Gj,5′′...............Gm,1′&prime...

【技术特征摘要】

【专利技术属性】
技术研发人员：严爱军，于远航，王普，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11