申请日2018.07.17
公开(公告)日2019.01.04
IPC分类号G06N3/08; G06N3/06; G06Q10/06; G01K13/02; G01N33/18
摘要
一种基于改进GA‑BP在工业污水监测系统，它涉及一种工业污水监测技术领域。它包含进排放口、传感器节点组、基站、GA‑BP神经网络、出排放口、处理装置，所述进排放口一侧连接有传感器节点组，传感器节点组一侧连接有基站，基站一侧连接有GA‑BP神经网络，GA‑BP神经网络一侧连接有出排放口，GA‑BP神经网络另一侧连接有处理装置。采用上述技术方案后，本实用新型有益效果为：不仅具有BP的非线性映射能力，而且具有GA的全局搜索能力，将两者相结合，构成GA‑BP网络来评价污水水质，对GA的交叉和变异进行操作，在大量历史数据的基础上结合多个参数利用GA优化BP神经网络的权值和阀值，缩小范围后利用BP对污水水质进行科学有效的评价。
权利要求书
1.一种基于改进GA-BP在工业污水监测系统，其特征在于：它包含进排放口(1)、传感器节点组(2)、基站(3)、GA-BP神经网络(4)、出排放口(5)、处理装置(6)，所述进排放口(1)一侧连接有传感器节点组(2)，传感器节点组(2)一侧连接有基站(3)，基站(3)一侧连接有GA-BP神经网络(4)，GA-BP神经网络(4)一侧连接有出排放口(5)，GA-BP神经网络(4)另一侧连接有处理装置(6)。
2.根据权利要求1所述的一种基于改进GA-BP在工业污水监测系统，其特征在于：所述传感器节点组(2)与基站(3)通过无线或有线连接。
3.根据权利要求1所述的一种基于改进GA-BP在工业污水监测系统，其特征在于：所述传感器节点组(2)包含温度传感器(21)、溶解氧传感器(22)、氨氮传感器(23)、PH传感器(24)、浊度传感器(25)，从上至下依次设置有温度传感器(21)、溶解氧传感器(22)、氨氮传感器(23)、PH传感器(24)、浊度传感器(25)。
4.根据权利要求1所述的一种基于改进GA-BP在工业污水监测系统，其特征在于：所述GA-BP神经网络(4)包含输入层(41)、隐含层(42)、输出层(43)。
5.根据权利要求4所述的一种基于改进GA-BP在工业污水监测系统，其特征在于：所述输入层(41)包含输入层神经元(411)，输入层神经元(411)数目为五个，隐含层(42)包含隐含层神经元(421)，隐含层神经元(421)数目为十一个，输出层(43)包含输出层神经元(431)，输出层神经元(431)数目为五个。
说明书
一种基于改进GA-BP在工业污水监测系统
技术领域
本实用新型涉及工业污水监测技术领域，具体涉及一种基于改进GA-BP在工业污水监测系统。
背景技术
目前，我国工业污水处理技术较发达国家比较落后，污水水质评价准确性差，有很多主观的判断成分，导致未达标的污水随意排放。水体污染日趋广泛和严重，加剧了水资源的紧张状况。对于保护环境，对工业排放污水的水质进行准确有效的评价显得尤为重要。
工业污水水质评价是一个多目标、多因素、多层次的复杂问题。针对工业污水排放具有不确定，处理过程多变、非线性、时变、强随机等特点。如何科学有效的对工业污水水质进行科学有效的评价是本文研究的内容。对水质评价的方法很多，如：王文静等使用单因子污染指数法对丹江口水库水质评价、刘潇等主成分分析法在黄河口及邻近水域水质评价、徐勇等人工神经网络法在大沽河湿地海水水质评价。但是这些方法都存在不足和缺点，单因子法需将评价因子与评价标准进行比较增加了复杂性;主成分分析法需要各指标之间有较好的线性关系，而工业污水具有很强的非线性;人工神经网络容易陷入局部最优解;工业污水水质评价准确性差，时效性低等问题。
实用新型内容
本实用新型的目的在于针对现有技术的缺陷和不足，提供一种基于改进GA-BP在工业污水监测系统，将GA-BP神经网络应用于工业污水水质评价中，无论是收敛性和准确性还是精确性和时效性都比传统BP更具有优势，不仅具有BP的非线性映射能力，而且具有GA的全局搜索能力，将两者相结合，取长补短，构成GA-BP网络来评价污水水质，对GA的交叉和变异进行操作，在大量历史数据的基础上结合多个参数利用GA优化BP神经网络的权值和阀值，缩小范围后利用BP对污水水质进行科学有效的评价，不仅结构简单，而且具有很强的泛化能力。
为实现上述目的，本实用新型采用以下技术方案是：它包含进排放口1、传感器节点组2、基站3、GA-BP神经网络4、出排放口5、处理装置6，所述进排放口1一侧连接有传感器节点组2，传感器节点组2一侧连接有基站3，基站3一侧连接有GA-BP神经网络4，GA-BP神经网络4一侧连接有出排放口5，GA-BP神经网络4另一侧连接有处理装置6。
所述传感器节点组2与基站3通过无线或有线连接。
所述传感器节点组2包含温度传感器21、溶解氧传感器22、氨氮传感器23、PH传感器24、浊度传感器25，从上至下依次设置有温度传感器21、溶解氧传感器22、氨氮传感器23、PH传感器24、浊度传感器25。
所述GA-BP神经网络4包含输入层41、隐含层42、输出层43。由输入层、输出层以及一层或多层隐含节点组成，只有相邻神经元之间有连接，可看作由一组内联的神经元组成的高度并联模型，其性能主要由拓扑结构、权值和阀值确定，训练学习分为正向和反向，在正向传播过程中，输入信号通过隐含层处理并传向输出层，如果输出层的信息与预期输出之间的误差未达到要求，则将误差沿原路反向传播，通过修正各连接的权值和阀值，使实际输出和期望输出误差不断减小，不断重复此过程，使整个网络误差减小至目标值，GA-BP神经网络具有自学习、自组织、较好地容错性和优良的非线性逼近能力，用于对工业污水的水质评价非常适合。给出具有一层隐含节点的拓扑结构即三层GA-BP神经网络拓扑结构，根据Kolmogorov定理：在一定范围内合理的结构和恰当的权值条件下，含有一层隐含节点的BP网络可以完成任意n维到m维映射。
所述输入层41包含输入层神经元411，输入层神经元411数目为五个，隐含层42包含隐含层神经元421，隐含层神经元421数目为十一个，输出层43包含输出层神经元431，输出层神经元431数目为五个。
本实用新型的工作原理：在工业污水的排放口处，放置传感器节点组2(具体的类型根据监测评价的工厂排放的污水类型决定)，当工厂排放污水的时候，传感器节点组2将检测到的污水参数，通过无线或有线发送给基站3，基站3将接收到的参数，送给经GA优化训练过的BP神经网络，GA-BP网络4对污水进行评价，得出该工厂污水的水质情况;达标则可以排放，未达标则对超标的参数进行处理再排放。
采用上述技术方案后，本实用新型有益效果为：将GA-BP神经网络应用于工业污水水质评价中，无论是收敛性和准确性还是精确性和时效性都比传统BP更具有优势，不仅具有BP的非线性映射能力，而且具有GA的全局搜索能力，将两者相结合，取长补短，构成GA-BP网络来评价污水水质，对GA的交叉和变异进行操作，在大量历史数据的基础上结合多个参数利用GA优化BP神经网络的权值和阀值，缩小范围后利用BP对污水水质进行科学有效的评价，不仅结构简单，而且具有很强的泛化能力。
