本申请公开了一种水质测量方法、装置、设备和存储介质，方法包括：获取若干组训练数据并确定各训练数据的标签；通过训练数据迭代训练基准网络，根据基准网络输出的预测值和对应的标签计算误差值；基于相邻两次迭代得到的误差值计算误差状态值，若当前迭代的误差状态值满足预置条件，则通过当前迭代的误差值更新基准网络的网络参数，若当前迭代的误差状态值不满足预置条件，则不更新基准网络的网络参数，直至基准网络收敛，得到测量模型；通过测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果。本申请改善了现有技术无法有效提取原始数据集中的有效特征，导致测量结果准确性不高的技术问题。
【技术实现步骤摘要】
本申请涉及水质测量，尤其涉及一种水质测量方法、装置、设备和存储介质。
技术介绍
1、随着对生活环境的需求逐渐增加，污水排放标准也越来越严格。出水氨氮(effluent ammonia，snhe)浓度和出水总氮(total nitrogen，tn)浓度不仅是水质最重要的参数，也是污水处理工艺(污水处理厂)排放标准的核心指标，snhe和tn不仅与过度排放引起的罚款有关，而且与水的富营养化程度密切相关。因此，加强对snhe、tn的检测，有助于及时的发现并有效的解决水质富营养化问题。目前，出水氨氮和出水总氮的测量方法有很多，如紫外吸收光度法、氨氮测定、以及分步分别测出相关元素再相加等。虽然这些测量方法具有较高的测量精度，但它们繁琐、费时、费力以及需要在特殊的实验室进行测试，不能实时满足实时要求。
2、而基于数据驱动的软测量技术可以实现快速、准确的在线预测，可以克服化学方法和在线仪器测量的固有缺陷。常规的数据驱动方法数据表示能力较弱，因为基于基准网络的预测模型通常基于简单的基准网络结构来实现，它不能从污水处理厂收集的原始数据中提取出有效的特征，而在一些实际项目中，原始数据往往包含噪声和干扰。在这种情况下，数据集的有效特征将是确保基准网络模型能准确反映实际情况的关键，因此，缺少有效的特征往往会导致基准网络的性能变差。
技术实现思路
1、本申请提供了一种水质测量方法、装置、设备和存储介质，用于改善现有技术无法有效提取原始数据集中的有效特征，导致测量结果准确性不高的技术问题。
<
p>2、有鉴于此，本申请第一方面提供了一种水质测量方法，包括：3、获取若干组训练数据并确定各训练数据的标签，所述训练数据包括硝态氮浓度、溶解氧溶度、进水总氮浓度、进水悬浮物浓度，标签为出水氨氮浓度或出水总氮浓度；
4、通过所述训练数据迭代训练基准网络，根据基准网络输出的预测值和对应的标签计算误差值；
5、基于相邻两次迭代得到的误差值计算误差状态值，若当前迭代的误差状态值满足预置条件，则通过当前迭代的误差值更新基准网络的网络参数，若当前迭代的误差状态值不满足预置条件，则不更新基准网络的网络参数，直至基准网络收敛，得到测量模型；
6、通过所述测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果。
7、可选的，所述方法还包括：
8、构建基准网络，所述基准网络包括输入层、隶属函数层、模糊规则层、归一化层和输出层；
9、所述通过所述训练数据迭代训练基准网络，包括：
10、将所述训练数据输入到基准网络的输入层中；
11、通过所述隶属函数层计算所述训练数据的隶属度；
12、通过所述模糊规则层对所述训练数据的隶属度进行模糊处理，得到所述训练数据的模糊特征；
13、通过所述归一化层对所述训练数据的模糊特征进行归一化处理，得到所述训练数据的归一化模糊特征；
14、通过所述输出层对所述训练数据的归一化模糊特征进行去模糊处理，输出所述训练数据的预测值。
15、可选的，所述基于相邻两次迭代得到的误差值计算误差状态值，包括：
16、计算当前迭代得到的误差值与上一迭代得到的误差值的偏差，得到当前迭代的第一误差状态值；
17、计算当前迭代的第一误差状态值与上一迭代的第一误差状态值的差值，得到当前迭代的第二误差状态值。
18、可选的，当前迭代的误差状态值是否满足预置条件的获取过程包括：
19、判断当前迭代的第一误差状态值和第二误差状态值是否均小于预置阈值，若是，则判定当前迭代的误差状态值满足预置条件，若否，则判定当前迭代的误差状态值不满足预置条件。
20、可选的，所述通过当前迭代的误差值更新基准网络的网络参数，包括：
21、根据当前迭代的误差值计算当前迭代的学习率；
22、通过当前迭代的学习率和梯度更新基准网络的网络参数。
23、可选的，所述根据当前迭代的误差值计算当前迭代的学习率，包括：
24、计算当前迭代的误差值的1范数和2范数；
25、基于预置条件参数对当前迭代的误差值的1范数和2范数进行加权求和，得到当前迭代的学习率。
26、可选的，所述通过所述测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果，包括：
27、采集污水处理厂的水质参数；
28、将所述水质参数输入到所述测量模型中进行出水氨氮浓度预测或出水总氮浓度预测，得到污水处理厂的水质测量结果。
29、本申请第二方面提供了一种水质测量装置，包括：
30、数据获取单元，用于获取若干组训练数据并确定各训练数据的标签，所述训练数据包括硝态氮浓度、溶解氧溶度、进水总氮浓度、进水悬浮物浓度，标签为出水氨氮浓度或出水总氮浓度；
31、训练单元，用于通过所述训练数据迭代训练基准网络，根据基准网络输出的预测值和对应的标签计算误差值；
32、参数更新单元，用于基于相邻两次迭代得到的误差值计算误差状态值，若当前迭代的误差状态值满足预置条件，则通过当前迭代的误差值更新基准网络的网络参数，若当前迭代的误差状态值不满足预置条件，则不更新基准网络的网络参数，直至基准网络收敛，得到测量模型；
33、测量单元，用于通过所述测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果。
34、本申请第三方面提供了一种电子设备，所述设备包括处理器以及存储器；
35、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
36、所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的水质测量方法。
37、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的水质测量方法。
38、从以上技术方案可以看出，本申请具有以下优点：
39、本申请提供了一种水质测量方法，包括：获取若干组训练数据并确定各训练数据的标签，训练数据包括硝态氮浓度、溶解氧溶度、进水总氮浓度、进水悬浮物浓度，标签为出水氨氮浓度或出水总氮浓度；通过训练数据迭代训练基准网络，根据基准网络输出的预测值和对应的标签计算误差值；基于相邻两次迭代得到的误差值计算误差状态值，若当前迭代的误差状态值满足预置条件，则通过当前迭代的误差值更新基准网络的网络参数，若当前迭代的误差状态值不满足预置条件，则不更新基准网络的网络参数，直至基准网络收敛，得到测量模型；通过测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果。
40、本申请中，在通过训练数据迭代训练基准网络时，根据各迭代中的误差值获取误差状态值，通过误差状态值确定是否更新网络参数，对于误差状态值不满足预置条件时，则不更新网络参数，即对于异常数据或让基准网络性能变差的训练数本文档来自技高网
...
【技术保护点】
1.一种水质测量方法，其特征在于，包括：
2.根据权利要求1所述的水质测量方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的水质测量方法，其特征在于，所述基于相邻两次迭代得到的误差值计算误差状态值，包括：
4.根据权利要求3所述的水质测量方法，其特征在于，当前迭代的误差状态值是否满足预置条件的获取过程包括：
5.根据权利要求1所述的水质测量方法，其特征在于，所述通过当前迭代的误差值更新基准网络的网络参数，包括：
6.根据权利要求5所述的水质测量方法，其特征在于，所述根据当前迭代的误差值计算当前迭代的学习率，包括：
7.根据权利要求1所述的水质测量方法，其特征在于，所述通过所述测量模型对污水处理厂进行水质测量，得到污水处理厂的水质测量结果，包括：
8.一种水质测量装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述设备包括处理器以及存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-7任一项所述的水质测量方法。
...
【技术特征摘要】
1.一种水质测量方法，其特征在于，包括：
2.根据权利要求1所述的水质测量方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的水质测量方法，其特征在于，所述基于相邻两次迭代得到的误差值计算误差状态值，包括：
4.根据权利要求3所述的水质测量方法，其特征在于，当前迭代的误差状态值是否满足预置条件的获取过程包括：
5.根据权利要求1所述的水质测量方法，其特征在于，所述通过当前迭代的误差值更新基准网络的网络参数，包括：
6.根据权利要求5所述的水质...
【专利技术属性】
技术研发人员：蔡倩倩，陈小沛，王彤，郑琛，麦达明，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
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。