(廣東電網(wǎng)有限責(zé)任公司河源供電局 廣東 河源 517000)

一、研究背景

(一)高效纖維過濾器簡介

高效纖維過濾器技術(shù)是我國自行研發(fā)并應(yīng)用于實(shí)踐的一項(xiàng)專利技術(shù)，它采用獨(dú)特、簡便的方法成功地解決了纖維濾料過濾凈化過程中存在的問題。提高了纖維過濾材料的性能，達(dá)到了理想的深層過濾效果。高效過濾器的研發(fā)可以說它是在傳統(tǒng)過濾工藝上的一次重大突破。

(二)神經(jīng)網(wǎng)絡(luò)簡介

1.定義

人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織可以模擬生物神經(jīng)系統(tǒng)對真實(shí)世界物體的交互反應(yīng)。它的初始構(gòu)造概念是通過模擬神經(jīng)元在神經(jīng)元(人類或其他動(dòng)物)中的傳輸函數(shù)。

圖1-1 神經(jīng)元示意圖

2.神經(jīng)網(wǎng)絡(luò)的分類

神經(jīng)網(wǎng)絡(luò)如果按照網(wǎng)絡(luò)結(jié)構(gòu)可以分為前饋網(wǎng)路和反饋網(wǎng)絡(luò)。這兩種人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式都是有導(dǎo)師學(xué)習(xí)方式和無導(dǎo)師學(xué)習(xí)方式。有導(dǎo)師學(xué)習(xí)方式就是在有數(shù)據(jù)的情況下將數(shù)據(jù)當(dāng)作輸入層的輸入值輸入神經(jīng)網(wǎng)絡(luò)，然后對期望的輸出層的輸出值來對神經(jīng)網(wǎng)絡(luò)反向調(diào)節(jié)權(quán)值，直至得到自己想要的理想值。而BP神經(jīng)網(wǎng)絡(luò)就是這樣的神經(jīng)網(wǎng)絡(luò)[1]。

(三)神經(jīng)網(wǎng)絡(luò)在水處理方面的應(yīng)用

隨著人工神經(jīng)網(wǎng)絡(luò)(ANN)理論研究的日趨完善，神經(jīng)網(wǎng)絡(luò)在水處理上的應(yīng)用越來越廣泛，同時(shí)也越來越重要。它不僅優(yōu)于傳統(tǒng)的數(shù)學(xué)模型，而且能更加準(zhǔn)確的模擬出所處環(huán)境的現(xiàn)實(shí)模型，這是傳統(tǒng)的數(shù)學(xué)模型所不能企及的。尤其最近幾年來，人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用被大量的用在水處理方面的水質(zhì)模型上，基于此前提，本文建立多層前饋網(wǎng)絡(luò)模型，就是前面講到的BP神經(jīng)網(wǎng)絡(luò)模型[2]。

二、BP神經(jīng)網(wǎng)絡(luò)預(yù)測出水水質(zhì)模型的建立

依據(jù)上面所提到的內(nèi)容，根據(jù)所建立的結(jié)構(gòu)圖，確定好所編寫的程序的情況下，在Maltab軟件里用所編寫的程序?qū)σ阎膶?shí)際數(shù)據(jù)進(jìn)行訓(xùn)練，看運(yùn)行結(jié)果是否理想，對所編寫的程序的輸入窗口，在出水水質(zhì)模型構(gòu)建以前，需要確定網(wǎng)絡(luò)層數(shù)、隱含層節(jié)點(diǎn)數(shù)、激活函數(shù)等數(shù)據(jù)。

(一)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定

前期已經(jīng)介紹了輸入層、隱含層和輸出層構(gòu)成了BP神經(jīng)網(wǎng)絡(luò)。

圖2-1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

指定神經(jīng)網(wǎng)絡(luò)的輸入層、隱藏層和輸出層中的節(jié)點(diǎn)數(shù)分別為q、w、e個(gè)。輸入層與隱含層之間的權(quán)值為sgi，隱含層與輸出層之間的權(quán)值為djm，隱含層的傳遞函數(shù)為f1，隱含層的傳遞函數(shù)為f2，則得到隱層第g個(gè)節(jié)點(diǎn)的輸出值為：

(2-1)

輸出層第j個(gè)節(jié)點(diǎn)的輸出值為：

(2-2)

又假設(shè)理想(目標(biāo))輸出為，對于L個(gè)樣本，則定義全局誤差函數(shù)為

(2-3)

本文是把電導(dǎo)率、溫度、濁度和堿度作為BP神經(jīng)網(wǎng)絡(luò)的輸入層；濁度和pH值作為BP神經(jīng)網(wǎng)絡(luò)的輸出層，即神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)為4個(gè)，輸出神經(jīng)元數(shù)為2個(gè)。在典型的BP神經(jīng)網(wǎng)絡(luò)中，隱含層的層級一般為一層，如果隱含層的層數(shù)較多，則會增加神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間和訓(xùn)練時(shí)間，且降低網(wǎng)絡(luò)的精確度，任意的n維到m維的映射能被三層的神經(jīng)網(wǎng)絡(luò)反映出來，所以所建立的網(wǎng)絡(luò)為三層結(jié)構(gòu)[3,4]。確定隱含層點(diǎn)數(shù)數(shù)目的參考公式如下：

(2-4)

(2-5)

g=log2n

(2-6)

式中：g-隱含層節(jié)點(diǎn)數(shù)；n-輸入層節(jié)點(diǎn)數(shù)；l輸出層節(jié)點(diǎn)數(shù)；a-1～10之間的常數(shù)；

通過計(jì)算，gmax為13，gmin為2，則隱含層節(jié)點(diǎn)數(shù)的數(shù)目范圍則在[2，13]之間。依據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，在輸入值、輸出值確定的情況下，繪制我的實(shí)際結(jié)構(gòu)圖如下圖2-2：

圖2-1 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖

高效過濾器水質(zhì)數(shù)據(jù)如下：

表2-1 原始數(shù)據(jù)表

三、BP神經(jīng)網(wǎng)絡(luò)預(yù)測水質(zhì)模型的優(yōu)化

起初建立的BP神經(jīng)網(wǎng)絡(luò)水質(zhì)模型與理想中的模型差距比較大，沒有達(dá)到理想中的運(yùn)行狀態(tài)，基于對于BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，首先需要改進(jìn)的是BP神經(jīng)網(wǎng)絡(luò)的算法，在對BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)上，改進(jìn)的內(nèi)容主要是：學(xué)習(xí)率的改進(jìn)、誤差函數(shù)的改進(jìn)、訓(xùn)練次數(shù)的改進(jìn)及激勵(lì)函數(shù)的改進(jìn)。

綜上所述，通過MATLAB仿真，在學(xué)習(xí)率不同、誤差函數(shù)不同、訓(xùn)練次數(shù)不同及激勵(lì)函數(shù)不同得出以下效果圖：

圖3-1 改進(jìn)前

圖3-2 改進(jìn)后

在用30組實(shí)際數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行了建模模擬，然后對神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率、誤差函數(shù)、訓(xùn)練次數(shù)及激勵(lì)函數(shù)在所建立的水質(zhì)模型進(jìn)行了優(yōu)化，從圖3-1及圖3-2可以看出，在完善所建立的神經(jīng)網(wǎng)絡(luò)的模型的同時(shí)，提高了BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測能力和學(xué)習(xí)能力。所得結(jié)果也驗(yàn)證了所建立的水質(zhì)模型的可行性。

結(jié)論：

從BP神經(jīng)網(wǎng)絡(luò)構(gòu)建模型的方法為起點(diǎn)，詳細(xì)闡述了人工神經(jīng)網(wǎng)絡(luò)的建模過程，并對所建立的模型進(jìn)行了實(shí)際預(yù)測。

(1)詳細(xì)介紹了BP神經(jīng)網(wǎng)絡(luò)對預(yù)測高效過濾器出水水質(zhì)模型的建模機(jī)理，并確定了具體的神經(jīng)網(wǎng)絡(luò)層數(shù)和各輸入輸出值；

(2)首先用30組實(shí)際數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行了初步建模，然后從神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)、學(xué)習(xí)速率、訓(xùn)練次數(shù)和附加動(dòng)量法對所建立的水質(zhì)模型進(jìn)行了優(yōu)化，在完善所建立的神經(jīng)網(wǎng)絡(luò)的模型的同時(shí)，提高了BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測能力和學(xué)習(xí)能力。最后用20組數(shù)據(jù)進(jìn)行了實(shí)際預(yù)測值分析，所得結(jié)果也驗(yàn)證了所建立的水質(zhì)模型的可行性。