【CN110197704A】一种基于受限玻尔兹曼机的自组织BP神经网络出水总磷预测方法【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 201910311618.2

(22)申请日 2019.04.18

(71)申请人 北京工业大学

地址 100124 北京市朝阳区平乐园100号

(72)发明人 乔俊飞　王龙洋　

(74)专利代理机构 北京思海天达知识产权代理

有限公司 11203

代理人 刘萍

(51)Int.Cl.

G16C 20/70(2019.01)

G06N 3/08(2006.01)

(54)发明名称

一种基于受限玻尔兹曼机的自组织BP神经

网络出水总磷预测方法

(57)摘要

本发明涉及一种基于受限玻尔兹曼机的自

组织BP神经网络出水总磷预测方法，本发明，包

括以下几个步骤：1.在分析污水处理过程可测和

难测变量的基础上，将出水氨氮、溶解氧浓度、化

学需氧量、出水悬浮物浓度、总氮和氧化还原电

位这6个关键可测变量作为预测模型的输入参

数，并进行数据预处理。2.采用基于互信息和敏

感度分析的自组织BP神经网络对输入样本数据

进行训练，从而实现网络结构自动调整。3.采用

受限玻尔兹曼机对结构调整后的神经网络初始

权值和阈值进行训练，进而提高网络收敛速度和

总磷预测精度。本发明设计合理，不仅解决了传

统BP神经网络在总磷预测时结构冗余，容易过拟

合的问题，提高了网络的收敛速度和总磷的预测

精度。权利要求书1页 说明书6页 附图3页CN 110197704 A 2019.09.03

C N 110197704

A

权　利　要　求　书1/1页CN 110197704 A

1.一种基于受限玻尔兹曼机的自组织BP神经网络出水总磷预测方法，其特征在于，包括以下几个步骤：

(1)将出水氨氮、溶解氧浓度、化学需氧量、出水悬浮物浓度、总氮和氧化还原电位这6个关键可测变量作为预测模型的输入参数，并进行数据的预处理；

(2)将预处理过的输入样本数据送入到自组织BP神经网络中，对网络进行训练，从而实现自组织网络的结构自动调整；

(3)采用受限玻尔兹曼机对结构调整后的自组织BP神经神经网络的初始权值和阈值进行训练，进而实现神经网络收敛速度的提高和污水处理过程出水总磷的预测；

所述步骤(2)将处理过的样本数据送入到自组织BP神经网络中进行训练，自组织BP神经网络在样本训练过程中通过自动的改变隐含层神经元的数量而实现结构的自动调整和确定，网络结构调整的依据依赖于隐含层神经元的互信息值以及隐含层神经元的敏感度值，首先计算隐含层各个神经元的敏感度值的大小，考虑将敏感度值小于0.04的隐含层神经元认为是无效且冗余的神经元，将其删除，然后计算任意两个隐含层神经元之间的互信息值的大小，并确定互信息值过大的隐含层神经元，将互信息值大于3.15的两个神经元认为是相关性过大的神经元，将它们合并为一个神经元，最后确定敏感度过大的神经元，将敏感度值大于0.15的隐含层神经元认为是贡献过大的神经元，则将该神经元进行分裂。

2