【CN110109904A】一种面向环保大数据的水质软测量方法【专利】

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910283133.7
(22)申请日 2019.04.10
(71)申请人 广东奥博信息产业股份有限公司
地址 528000 广东省佛山市禅城区江湾三
路28号软件产业园A区内自编9号楼
(72)发明人 黄文俊　陈远存　郭肇禄　张文生　
罗云　
(74)专利代理机构 广州嘉权专利商标事务所有
限公司 44205
代理人 王国标
(51)Int.Cl.
G06F 16/215(2019.01)
G06F 16/245(2019.01)
G06N 3/00(2006.01)
(54)发明名称
一种面向环保大数据的水质软测量方法
(57)摘要
本发明公开了一种面向环保大数据的水质
软测量方法，通过采集到水质环保大数据，对水
质环保大数据进行清洗和预处理，然后确定水质
软测量模型的输入变量和输出变量，再利用人工
神经网络来构建环保大数据的水质软测量模型。

在建立水质软测量模型时，利用适应性蝙蝠仿生
搜索算法来优化设计人工神经网络的参数，提高
人工神经网络在新获得的水质数据上的预测能
力。

本发明能够提高水质软测量的精度。

权利要求书2页 说明书5页 附图1页CN 110109904 A 2019.08.09
C N 110109904
A
1.一种面向环保大数据的水质软测量方法，所述方法包括以下步骤：
步骤1，在需要软测量水域内采集环保大数据；
步骤2，对所采集到的环保大数据进行预处理和清洗，然后抽取出清洗后的水质数据集；
步骤3，将清洗后的水质数据集存储为水质样本数据集；
步骤4，对水质样本数据集进行降维；
步骤5，将降维后的水质样本数据集划分为训练样本数据集和测试样本数据集；步骤6，确定人工神经网络的结构及其需要优化设计的参数；
步骤7，确定人工神经网络的输入变量和输出变量；
步骤8，利用适应性蝙蝠仿生搜索算法来优化设计人工神经网络的参数，并将优化设计得到的人工神经网络设置为水质软测量模型；
步骤9，利用得到的水质软测量模型来进行水质软测量；
其特征在于，步骤8所述的适应性蝙蝠仿生搜索算法的具体步骤如下：
步骤8.1，设置种群大小NB，最大频率fMax和最小频率fMin；
步骤8.2，设置当前代数t＝0，然后随机产生NB个蝙蝠个体组成初始种群，其中每个蝙蝠个体都随机产生当前位置和当前速度；
步骤8.3，计算每个蝙蝠个体的当前位置的适应值，然后设置每个蝙蝠个体的当前响度和当前脉冲发射率，并保存种群中最优蝙蝠个体的位置GX t ；
步骤8.4，设置每个蝙蝠个体的游走步长La i ＝URand(0,1)，其中蝙蝠个体下标i＝1,2,...,NB；URand表示随机实数产生函数；
步骤8.5，按公式(1)计算每个蝙蝠个体的当前游走步长NLa i
：
其中tpn为[0,1]之间的随机实数；sin为正弦函数；π表示圆周率；MUT为最大代数；步骤8.6，
按公式(2)计算每个蝙蝠个体的下一代速度和下一代位置：
其中fc为当前频率；BV i t 表示种群中第i个蝙蝠个体的当前速度；
表示种群中第i个蝙蝠个体的当前位置；BV i t+1表示种群中第i个蝙蝠个体的下一代速度；
表示种群中第
i个蝙蝠个体的下一代位置；
步骤8.7，设置每个蝙蝠个体的暂存位置步骤8.8，种群中的每个蝙蝠个体以其当前脉冲发射率为概率执行适应性局部游走操作，其中适应性局部游走操作按公式(3)执行：
权　利　要　求　书1/2页2CN 110109904 A。