一种基于人工神经网络算法的混凝投药控制方法和系统

摘要

本发明涉及一种基于人工神经网络算法的混凝投药控制方法和系统，所述方法包括以下步骤：S1、建立神经网络；S2、混凝投药样本数据获取及预处理，得到样本值；S3、初始化神经网络权值，在神经网络模型输入样本值；S4、计算输入层、隐含层、输出层和承接层数值；S5、计算神经网络的函数误差并更新神经网络权值，对神经网络进行训练，完成神经网络的学；S6、判断更新后的权值是否满足设定的精度或训练次数，并通过训练好的模型进行实际投药量预测。实现了混凝投药工艺的全自动化和生产运行参数的在线监测，为水厂安全生产提供了保障，达到了节约药耗、减少人工、降低操作人员劳动强度的目的。

主权项

一种基于人工神经网络算法的混凝投药控制方法，其特征在于，包括以下步骤：S1、建立神经网络，所述神经网络的数学模型和训练公式为：x(k)＝f(W¹u(k‑1)+W³x_c(k))x_c(k)＝x(k‑1)+α*x_c(k‑1)y(k)＝g(W²x(k))式中，u(k‑1)为神经网络输入层节点的输入，x(k)为神经网络隐含层节点的输出，y(k)为神经网络输出层节点的输出，x_c(k)为反馈状态向量，W¹、W²、W³分别为神经网络的承接层到隐含层、输入层到隐含层、隐含层到输出层的连接权值，g()为输出层神经元的传递函数，f()为隐含层神经元的传递函数；α为反馈权值；k为神经元序号；S2、混凝投药样本数据获取及预处理，得到样本值；S3、初始化神经网络权值，在神经网络模型输入样本值；S4、计算输入层、隐含层、输出层和承接层数值；S5、计算神经网络的函数误差并更新神经网络权值，对神经网络进行训练，完成神经网络的学习；S6、判断更新后的权值是否满足设定的精度或训练次数，并通过训练好的模型进行实际投药量预测，并控制投药。