申请/专利权人：南京邮电大学;苏州自来水表业有限公司

申请日：2023-11-30

公开（公告）日：2024-03-12

公开（公告）号：CN117316334B

主分类号：G16C20/70

分类号：G16C20/70;G16C20/10;G06N3/0442;G06N3/0455;G06N3/08;G06F18/15;G06F18/2433

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了一种水厂混凝剂用量预测方法及系统，包括以下步骤，步骤1：从水厂数据库中提取原水水质和过程变量在设定期限内的历史运行数据；步骤2：采用门控循环单元自编码器GRU‑AE对历史运行数据进行异常数据检测与替换；步骤3：采用带局部注意力机制的门控循环单元网络LA‑GRU架构，构建混凝剂用量预测模型；步骤4：利用弹性权重整合EWC算法对混凝剂用量预测模型进行增量深度学习；步骤5：将步骤2得到的历史运行数据输入到基于增量深度学习的混凝剂用量预测模型中，得到水厂混凝剂用量。与现有方法相比，本发明的方法可有效提高混凝剂投加控制精度。

主权项：1.一种水厂混凝剂用量预测方法，其特征在于，包括以下步骤：步骤1：从水厂数据库中提取原水水质和过程变量在设定期限内的历史运行数据；步骤2：采用门控循环单元自编码器GRU-AE对历史运行数据进行异常数据检测与替换；步骤3：采用带局部注意力机制的门控循环单元网络LA-GRU构建混凝剂用量预测模型；步骤4：利用弹性权重整合EWC算法对混凝剂用量预测模型进行增量深度学习；步骤5：将步骤2得到的历史运行数据输入到基于增量深度学习的混凝剂用量预测模型中，得到水厂混凝剂用量；在所述步骤3中，所述带局部注意力机制的门控循环单元网络LA-GRU模型的构建步骤如下：采用GRU网络模型构建的混凝剂用量预测模型为：Ct＝GRUut,ot+δ7式中，Ct为t时刻的混凝剂用量预测值，GRU为采用GRU网络模型构建的混凝剂用量预测模型，ut为t时刻的水厂原水水质和过程变量数据特征，δ为混凝剂反应时间，ot+δ为t+δ时刻的出水浊度；在GRU网络模型架构中加入局部注意力机制，局部注意力机制的公式如下： 式中，at是注意力权重，ct是局部上下文向量，xi是输入向量，L是窗口大小，Wa和ba分别为前一个隐含层的模型权重和模型偏置，softmax为激活函数；将前一时间步的隐藏状态ht-1作为输入，通过一个全连接层根据式8计算得到注意力权重at；ati表示第i个输入向量xi在时间步t的注意力权重，将注意力权重ati应用于输入向量序列x的t-L到t+L窗口，通过加权求和的方式来计算局部上下文向量ct；局部上下文向量ct与前一时间步的隐藏状态ht-1一起输入到GRU网络模型中，产生当前时间步的隐藏状态ht；在所述步骤4中，增量学习的具体步骤如下：1计算历史运行数据中步骤3得到的混凝剂用量预测模型参数的重要性，每个模型参数重要性权重的计算方式如下： 式中，Fi，j是Fisher矩阵，用于描述混凝剂用量预测模型参数的变化对模型输出的影响程度，D是历史运行数据的训练数据集，pD|θ是模型的似然函数，是期望值计算操作，β是正则化参数，ωi表示模型参数θi的重要性程度；2更新每个模型参数，对于每个模型参数θi，更新方式如下： 式中，是采用历史运行数据训练得到的混凝剂用量预测模型中的参数，E是单位矩阵，α是学习率，Lnew是新的损失函数，β是正则化参数，是更新后的混凝剂用量预测模型参数。

全文数据：

权利要求：

百度查询： 南京邮电大学;苏州自来水表业有限公司 一种水厂混凝剂用量预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD