申请日2008.09.27
公开(公告)日2010.03.31
IPC分类号G06N3/06; C02F1/00; G06N5/00
摘要
本发明涉及一种无机废水处理方案的专家诊断决策方法，能够通过一神经网络结构对无机废水水质指标与回用水水质指标进行处理，以输出废水处理方案。本方法包括：对包含无机废水水质指标与回用水水质指标的第一向量进行分区段的预处理而得到第二向量;依照经过训练的第一加权值矩阵计算第二向量各元素加权之和，并且利用非线性激励函数进行变换而得到第三向量;以及在输出层中依照经过训练的第二加权值矩阵计算第三向量各元素加权之和，并利用阈值型激励函数变换后输出第四向量，第四向量中包含选择的废水处理方案。
权利要求书
1.无机废水处理方案的专家诊断决策方法，经由一神经网络结构对无机废水 水质指标与回用水水质指标进行处理，以输出废水处理方案，所述神经网络结构包 括输入层、预处理层、隐含层及输出层，所述方法包括以下步骤：
经所述输入层输入包含所述无机废水水质指标与所述回用水水质指标的第 一向量至所述预处理层;
在所述预处理层中对所述第一向量中的各水质指标进行分区段处理，并输出 第二向量;
在所述隐含层中依照经过训练的第一加权值矩阵计算所述第二向量的各元素 之和，并且分别计算多个所述和在一非线性激励下的函数，输出包含多个所述和的 函数的第三向量;以及
在所述输出层中依照经过训练的第二加权值矩阵计算所述第三向量的各元素 之和，并分别计算多个所述和在一阈值型激励下的函数，输出包含多个所述和的函 数的第四向量，所述第四向量包括选择的废水处理方案。
2.如权利要求1所述的方法，其特征在于，还包括在所述预处理层中对分 区段处理后的各水质指标进行归一化处理。
3.如权利要求1所述的方法，其特征在于，所述非线性激励为Sigmoid激励 函数或者径向基函数。
4.如权利要求1所述的方法，其特征在于，训练所述第一加权值矩阵和所述 第二加权值矩阵的方法包括：
依照预知的专家方案规则表构建输入训练阵和输出训练阵进行训练，利用 误差反向传播的δ学习算法调整所述第一加权值矩阵和所述第二加权值矩阵。
5.一种无机废水处理方案的专家诊断决策方法，经由一神经网络结构对无机 废水水质指标与回用水水质指标进行处理，以输出废水处理方案，所述神经网络结 构包括总输入层、多个子网络及总输出层，其中各子网络分别包括输入层、预处理 层、隐含层及输出层，所述方法包括以下步骤：
经所述总输入层输入包含所述无机废水水质指标与所述回用水水质指标的 第一向量;
在所述各子网络中：
经所述输入层输入与所述子网络相关的无机废水水质指标与回用水水质指 标;
在所述预处理层中对所述相关的各水质指标进行分区段处理，并输出第二向 量;
在所述隐含层中依照经过训练的第一加权值矩阵计算所述第二向量的各元素 之和，并且分别计算多个所述和在一非线性激励下的函数，输出包含多个所述和的 函数的第三向量;
在所述输出层中依照经过训练的第二加权值矩阵计算所述第三向量的各 元素之和，并分别计算多个所述和在一阈值型激励下的函数，输出多个所述和 的函数至所述总输出层，所述第四向量包括选择的废水处理方案;以及
经由所述总输出层输出由各子网络选择的废水处理方案。
6.如权利要求5所述的方法，其特征在于，还包括在所述预处理层中对分 区段处理后的各水质指标进行归一化处理。
7.如权利要求5所述的方法，其特征在于，所述非线性激励为Sigmoid激励 函数或者径向基函数。
8.如权利要求5所述的方法，其特征在于，训练所述第一加权值矩阵和所述 多组第二加权值矩阵的方法包括：
依照预知的专家方案规则表构建输入训练阵和输出训练阵进行训练，利用 误差反向传播的δ学习算法调整所述第一加权值矩阵和所述第二加权值矩阵。
说明书
无机废水处理方案的专家诊断决策方法
技术领域
本发明涉及一种无机废水处理方案的决策方法，尤其涉及自动产生无机废 水处理方案的专家诊断决策方法。
背景技术
冶金、钢铁、汽车、电子、电镀等工业会产生大量的无机废水。将工业废 水转化为可以重复使用的新资源已经成为企业的普遍要求，然而无机工业废水 的种类繁多，废水中往往含有毒性的重金属、油脂、酸、碱等物质，处理工艺 过程复杂，企业对资源化产品的要求各不相同，难以用单一的方案解决。因此 需要针对不同的企业废水来源确定相应的废水处理和回应方案。
目前对于废水处理与回用方案的确定，目前大都依靠常识和经验来初步设 定，再通过人工小试或中试来进行验证，最后投产应用。经验的不足和实验条 件的限制，常导致实验结果偏差，难以保证稳定的处理效果，最终可能得出导 致投资失利的错误方案，因此有必要采取更加科学的方法来进行方案的初步确 定。
发明内容
本发明所要解决的技术问题是提供一种无机废水处理方案的专家诊断决策 方法，利用人工神经网络技术优秀的自学习自适应能力，网络分布储存知识， 并行运算特性和优越的非线性映射能力，实现废水处理方案的自动决策。
本发明为解决上述技术问题而采用的技术方案是提出一种无机废水处理 方案的专家诊断决策方法，经由一神经网络结构对无机废水水质指标与回用水 水质指标进行处理，以输出废水处理方案，该神经网络结构包括输入层、预处 理层、隐含层及输出层，本方法包括以下步骤：
经所述输入层输入包含所述无机废水水质指标与所述回用水水质指标的 第一向量至所述预处理层;
在所述预处理层中对所述第一向量中的各水质指标进行分区段处理，并输 出第二向量;
在所述隐含层中依照经过训练的第一加权值矩阵计算所述第二向量的各 元素之和，并且分别计算多个所述和在一非线性激励下的函数，输出包含多个 所述和的函数的第三向量;以及
在所述输出层中依照经过训练的第二加权值矩阵计算所述第三向量的各 元素之和，并分别计算多个所述和在一阈值型激励下的函数，输出包含多个所 述和的函数的第四向量，所述第四向量包括选择的废水处理方案。
在上述的方法中，还包括在所述预处理层中对分区段处理后的各水质指标 进行归一化处理。
在上述的方法中，所述非线性激励为Sigmoid激励函数或者径向基函数。
在上述的方法中，训练所述第一加权值矩阵和所述第二加权值矩阵的方法 包括：依照预知的专家方案规则表构建输入训练阵和输出训练阵进行训练，利 用误差反向传播的δ学习算法调整所述第一加权值矩阵和所述第二加权值矩 阵。
本发明另提出一种无机废水处理方案的专家诊断决策方法，经由一神经网 络结构对无机废水水质指标与回用水水质指标进行处理，以输出废水处理方 案，该神经网络结构包括总输入层、多个子网络及总输出层，其中各子网络分 别包括输入层、预处理层、隐含层及输出层，此方法包括以下步骤：
经所述总输入层输入包含所述无机废水水质指标与所述回用水水质指标 的第一向量;
在所述各子网络中执行以下步骤：
经所述输入层输入与所述子网络相关的无机废水水质指标与回用水水质 指标;
在所述预处理层中对所述相关的各水质指标进行分区段处理，并输出第二 向量;
在所述隐含层中依照经过训练的第一加权值矩阵计算所述第二向量的各 元素之和，并且分别计算多个所述和在一非线性激励下的函数，输出包含多个 所述和的函数的第三向量;以及
在所述输出层中依照经过训练的第二加权值矩阵计算所述第三向量的各 元素之和，并分别计算多个所述和在一阈值型激励下的函数，输出多个所述和 的函数至所述总输出层，所述第四向量包括选择的废水处理方案;以及
经由所述总输出层输出由各子网络选择的废水处理方案。
在上述的方法中，所述神经网络结构包括多个子网络，在所述预处理层中 还包括，对分区段处理后的各水质指标进行归一化处理。
在上述的方法中，所述非线性激励为Sigmoid激励函数或者径向基函数。
在上述的方法中，训练所述第一加权值矩阵和所述第二加权值矩阵的方法 包括：依照预知的专家方案规则表构建输入训练阵和输出训练阵进行训练，利 用误差反向传播的δ学习算法调整所述第一加权值和所述第二加权值矩阵。
本发明由于采用以上技术方案，使之与现有技术相比，具有如下显著优点：
1、诊断决策方法能够参考成熟的专家方案，根据检测的原水水质和输入 的回用水质指标自动生成初步方案，以备试验验证，大大提升了确定方案的效 率。
2、由于采用神经网络结构，本发明在一定程度上克服了一般专家系统的 知识获取问题、学习能力较差、知识的“窄台阶效应”即容错性差和知识存贮 容量与运行速度的矛盾等瓶颈问题，从而进一步提高专家系统学习能力和处理 大型复杂问题的能力，使知识库具有良好的可扩充性，系统的运行具有更高的 可靠性。
