(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 202111192793.8 (22)申请日 2021.10.13 (71)申请人 郑州轻工业大 学 地址 450000 河南省郑州市金 水区东风路5 号 (72)发明人 栗三一　高鹏飞　岳伟超　王乾　 刘鹏　刘娜　孙军伟　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 代理人 张立强 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 基于自组织随机配置网络的污水总磷软测 量方法及系统 (57)摘要 本发明属于污水处理技术领域， 公开一种基 于自组织随机配置网络的污水总磷软测量方法 及系统， 该方法包括： 步骤1， 基于随机配置网络 构建总磷软测量模型， 确定总磷 软测量模型的输 入变量和输出变量， 所述输入变量为出水pH值、 入水流量、 第五分区溶解氧浓度、 第二分区硝态 氮浓度和出水固体悬浮物浓度； 所述输出变量为 出水总磷浓度； 所述总磷软测量模 型的隐含层为 单层； 步骤2， 对隐含层的神经元个数进行自组织 调整和参数确定； 步骤3， 基于结构调整后的总磷 软测量模型进行污水总磷软测量。 本发明在不需 要人为设定阈值的情况下， 可以根据输出误差自 动调整网络结构。 权利要求书2页 说明书10页 附图1页 CN 114036819 A 2022.02.11 CN 114036819 A 1.一种基于自组织随机配置网络的污水总磷软测量方法， 其特 征在于， 包括： 步骤1， 基于随机配置网络构建总磷软测量模型， 确定总磷软测量模型的输入变量和输 出变量， 所述输入变量为出水pH值、 入水流量、 第五分区溶解氧浓度、 第二分区硝态氮浓度 和出水固体悬浮物浓度； 所述输出变量为出水总磷浓度； 所述总磷软测 量模型的隐含层为 单层； 步骤2， 对隐含层的神经 元个数进行自组织调整和参数确定； 步骤3， 基于结构调整后的总磷软测量模型进行污水总磷软测量。 2.根据权利要求1所述的基于自组织随机配置网络的污水总磷软测量方法， 其特征在 于， 所述步骤2包括： 步骤2.1： 在隐含层神经元生成阶段， 如果当前的网络误差不满足精度要求， 则新增一 个隐含层神经 元， 其输入权值在满足式(1)的条件下随机生成， 输出权值由式(2)计算得到； 其中m为输出变量个 数； eL‑1表示隐含层神经元个 数为L‑1时的网络误差， gL(x)为新增的 第L个隐含层神 经元的输出； 0＜r＜1； { μL}为非负实数序列并且limL→+∞μL＝0， 0＜μL≤(1‑ r)； <·,·>为内积计算； βj表示第j个隐含层神经 元的输出权值， y为期望 输出； 步骤2.2： 在隐含层神经元删减阶段， 计算新增加的神经元与其它神经元之间的互信 息， 利用互信息反映新增神经元与其它神经元之间的相关性； 删除与新增神经元互信息最 大的神经元， 若删除后的网络误差比增加第L个神经元之前 的误差小， 则该删除操作生效， 否则取消删除操作； 步骤2.3： 重复步骤2.1和步骤2.2直到网络误差 达到精度要求。 3.一种基于自组织随机配置网络的污水总磷软测量系统， 其特 征在于， 包括： 总磷软测量模型构建模块， 用于基于随机配置网络构建总磷软测量模型， 确定总磷软 测量模型的输入变量和输出变量， 所述输入变量为出水pH值、 入水流量、 第五分区溶解氧浓 度、 第二分区硝态氮浓度和出水固体悬浮物浓度； 所述输出变量为出水总磷浓度； 所述总磷 软测量模型的隐含层为单层； 神经元个数自组织调整模块， 用于对隐含层的神经元个数进行自组织调整和参数确 定； 污水总磷软测量模块， 用于基于结构调整后的总磷软测量模型进行污水总磷软测量。 4.根据权利要求3所述的基于自组织随机配置网络的污水总磷软测量系统， 其特征在 于， 所述神经 元个数自组织调整模块包括： 隐含层神经元生成子模块， 用于在隐含层神经元生成阶段， 如果当前的网络误差不满 足精度要求， 则新增一个隐含层神经元， 其输入权值在满足式(1)的条件下随机生成， 输出 权值由式(2)计算得到； 权　利　要　求　书 1/2 页 2 CN 114036819 A 2其中m为输出变量个 数； eL‑1表示隐含层神经元个 数为L‑1时的网络误差， gL(x)为新增的 第L个隐含层神 经元的输出； 0＜r＜1； { μL}为非负实数序列并且limL→+∞μL＝0， 0＜μL≤(1‑ r)； <·,·>为内积计算； βj表示第j个隐含层神经 元的输出权值， y为期望 输出； 隐含层神经元删减子模块， 用于在隐含层神经元删减阶段， 计算新增加的神经元与其 它神经元之间的互信息， 利用互信息反映新增神经元与其它神经元之间的相关性； 删除与 新增神经元互信息最大的神经元， 若删除后的网络误差比增加 第L个神经元之前的误差小， 则该删除操作生效， 否则取消删除操作； 迭代子模块， 用于重复执行隐含层神经元新增子模块和隐含层神经元删减子模块直到 网络误差 达到精度要求。权　利　要　求　书 2/2 页 3 CN 114036819 A 3