发明名称 |
一种基于BP神经网络的户用电子水表流量计量方法 |
摘要 |
本发明公开了一种基于BP神经网络的户用电子水表流量计量方法。本发明的步骤为:一、流量计量模型的初始化:A、采集样本数据,并将其分为学样本和测试样本;B、确定BP神经网络的输入层、隐含层和输出层的神经元个数;C、确定BP神经网络的训练参数;二、将学样本输入到流量计量模型中进行训练,直到模型输出数据的误差满足要求;再通过测试样本对流量计量模型进行检验,满足检验要求则保存流量计量模型;三、将流量计量模型移植到控制器中,进行电子水表的水流量计量。本发明利用BP神经网络可以对任意非线性函数进行拟合的特性,实现了电子水表的高精度计量,避免了进行复杂的流量公式推导与修正,适用于各种户用电子式水表。 |
申请公布号 |
CN104964719A |
申请公布日期 |
2015.10.07 |
申请号 |
CN201510385493.X |
申请日期 |
2015.06.30 |
申请人 |
安徽工业大学 |
发明人 |
刘晓东;刘扬;方炜 |
分类号 |
G01F1/74(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G01F1/74(2006.01)I |
代理机构 |
南京知识律师事务所 32207 |
代理人 |
蒋海军 |
主权项 |
一种基于BP神经网络的户用电子水表流量计量方法,其特征在于:建立三层BP神经网络流量计量模型对户用电子水表进行流量计算,主要步骤为:步骤一、流量计量模型的初始化:A、采集电子水表的水压和流量信号作为样本数据,并将样本数据分为学习样本和测试样本;B、确定BP神经网络的输入层、隐含层和输出层的神经元个数;C、确定BP神经网络的训练参数,所述训练参数包括训练精度、训练函数、最大迭代次数、激励函数和学习率;步骤二、流量计量模型的训练与测试:将步骤一所得学习样本输入到流量计量模型中进行训练,直到模型输出数据的误差满足精度要求;再通过测试样本对流量计量模型进行检验,满足检验要求则保存流量计量模型的各层权值和阀值;步骤三、流量计量:将训练好的流量计量模型移植到电子水表控制器中,进行电子水表的水流量计量。 |
地址 |
243002 安徽省马鞍山市花山区湖东路59号 |