一种基于EMD算法的模块化神经网络的出水氨氮软测量方法技术

本发明专利技术公开了一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，针对污水处理过程中出水氨氮浓度难以快速准确地实时检测，确保出水水质实时排放达标问题，本发明专利技术利用基于EMD算法的模块化神经网络建立出水氨氮预测模型。该模型包括：使用基于EMD的任务分解算法对出水氨氮时间序列进行分解成多个简单，单频率，独立的子时间序列；采用样本熵和欧式距离计算所述子时间序列的复杂性和相似性，合并复杂性小，相似性大的子时间序列，并建立相应所述子网络模块进行学习；结果表明该预测模型能自动调整网络结构，准确地预测污水处理过程中出水氨氮浓度，确保了污水处理过程的稳定安全运行。

【技术实现步骤摘要】
一种基于EMD算法的模块化神经网络的出水氨氮软测量方法
本专利技术涉及人工智能
，更具体地，涉及一种基于EMD算法的模块化神经网络的出水氨氮软测量方法。
技术介绍
氨氮是造成水环境污染和水体产生富营化效应的主要因素，2018年公布的《中国海洋生态环境状况公报》显示，我国局部海域呈现富营养化状态，所以在城市污水处理厂中，出水氨氮浓度是评价污水处理过程中出水水质是否达标的关键指标之一。当前出水氨氮浓度测量方法有基于化学反应的测量方法和基于机理模型的测量方法；基于化学反应的测量方法是在实验室离线测量氨氮浓度方法，易受环境，认为等外界因素的影响，且测量周期较长，精度较低，设备维护费用较高；基于机理模型的测量方法是基于水质模型间接测量方法，一般用于污水处理厂实际，但周期较长，成本高，且技术还未成熟。因此，研究低成本，快速准确的出水氨氮浓度测量方法对污水过程具有重要意义。本专利技术设计了一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，通过构建基于EMD算法的模块化神经网络模型实现污水处理过程中出水氨氮浓度快速准确地预测，从而缩短出水氨本文档来自技高网...

【技术保护点】
1.一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，其特征在于，包括以下步骤：/n步骤1：对出水氨氮时间序列进行归一化到[01]范围，公式为：/n

【技术特征摘要】
1.一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，其特征在于，包括以下步骤：
步骤1：对出水氨氮时间序列进行归一化到[01]范围，公式为：



其中，x(t)为出水氨氮时间序列，xmin为样本数据的最小值，xmax为样本数据的最大值；
步骤2，采用EMD算法对原始时间序列进行分解成多个简单，单频率，独立的子时间序列；
步骤3，采用样本熵和欧式距离计算子时间序列的复杂性和相似性；
步骤4，合并复杂性小于复杂度阈值，且相似性大于相似度阈值的子时间序列，复杂度阈值范围为(0.5～1)Fo，其中Fo为所述原始时间序列复杂度，所述相似度阈值范围为0.1～0.5；
步骤4，建立单层前馈神经网络FNN作为子网络模块进行学习；设FNN输入为向量X＝[x1,x2,…,xn]，在输入层有n个节点，隐含层有p个节点，在网络隐含层第j个节点输入为：



其中vij为输入层第i个节点到隐含层第j个节点的权值，b1为隐含层的偏置；
网络隐含层第j个节点输入为：



其中为隐含层节点的激活函数：
网络输出为：



其中wj是隐含层第j个节点到输出层节点的权值，b1为输出层的偏置；
步骤5，集成模块对子网络模块学习结果进行集成输出；
步骤6，训练基于EMD算法的模块化神经网络模型后，预测出水氨氮浓度；将测试样本数据作为模型的输入，模型的输出并进行反归一化后即为出水氨氮的预测值。


2.根据权利要求1所述的一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，其特征在于，步骤2的具体步骤如下：
步骤2.1，找出原始出水氨氮时间序列x(t)的所有极值点；
步骤2.2，采用三次样条插值法对极大值点构建上包络线Emax(t)，对极小值点构建下包络线Emin(t)；
步骤2.3，计算上下包络线的均值m(t)；
m(t)＝(Emax(t)+Emin(t))/2(2)

【专利技术属性】
技术研发人员：乔俊飞，郭鑫，李文静，刘永雷，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11