(19)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 202211299845.6 (22)申请日 2022.10.24 (71)申请人 重庆大学 地址 400030 重庆市沙坪坝区沙正 街174号 (72)发明人 赵志伟　李友皝　林艳　梁志杰　 (74)专利代理 机构 重庆乐泰知识产权代理事务 所(普通合伙) 50221 专利代理师 雷钞 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) G06N 3/08(2006.01) (54)发明名称 一种小型村镇供水工程混凝剂投加量预测 方法 (57)摘要 本发明公开了一种小型村镇供水工程混凝 剂投加量预测方法， 属于给水处理技术领域， 通 过群智能算法优化人工神经网络的权值及阈值， 建立基于 人工神经网络的混凝投药模 型； 收集实 际运行数据， 剔除原始数据的异常值， 并分析数 据的相关性， 舍去强相关性的指标后， 将处理好 的数据用于混凝投药模型的训练； 将预设数据参 数输入至训练好的混凝投药模型中进行预测， 并 输出当前状态下的混凝剂投加量。 本发明使 得混 凝沉淀单元在水源水量水质波动时， 依然能够精 准预测混凝剂投药量， 稳定出水水质， 降低混凝 剂药耗， 节约水厂运行成本 。 权利要求书2页 说明书6页 附图2页 CN 115526423 A 2022.12.27 CN 115526423 A 1.一种小型村镇供 水工程混凝剂投加量预测方法， 其特 征在于： 包括以下步骤： Sl： 通过群智能算法优化人工神经网络的权值及阈值， 建立基于人工神经网络的混凝 投药模型； S2： 收集实际运行数据， 剔除原始数据的异常值， 并分析数据的相 关性， 舍去强相 关性 的指标后， 将处 理好的数据用于混凝投药模型的训练； S3： 将预设数据参数输入至训练好的混凝投药模型中进行预测， 并输出当前状态下的 混凝剂投加量。 2.根据权利要求l所述的小型村镇供水工程混凝剂投加量预测方法， 其特征在于： 步骤 S1中群智能算法优化人工神经网络的权值及阈值包括以下步骤： A1： 根据以下公式初始化 N个栖息地 Hi(SIVj)＝lbj+rand×(ubj‑lbj) 其中， Hi(SIVj)为第i个栖息地的第j个SIV， ubj和lbj为第j个SIV的上界和下界， rand为 均匀分布在[0， 1]之间的随机值； A2： 对初始化的栖息地执 行反向学习机制， XRL＝lb+(ub‑X) 其中， X为候选解或个体， lb和ub分别为优化问题定义域的上界和下界， XRL为候选反向 解或反向个 体； A3： 设置最大变异率pmmax和最小变异率pmmin， 并根据用户需求设置一个灰狼优化算法 的运行概 率Prob； A4： 评估每 个栖息地的适应度HSI， 并根据HSI 值由优至劣排列； A5： 根据以下公式计算每 个栖息地的迁入率 λi； λi＝I(1‑Si/Smax) 其中， λi为第i个栖息地物种迁入率， Si为第i个栖息地的物种数量， Smax为栖息地最大物 种数量， I 为最大迁入率； A6： 根据用户设置的最大迭代次数MaxIT进行迭代： 若当前迭代次数小于最大迭代次数 的一半时执行生物地理学优化算法； 若当前迭代次数大于等于最大迭代次数的一半时则执 行灰狼优化 算法。 3.根据权利要求2所述的小型村镇供水工程混凝剂投加量预测方法， 其特征在于： 所述 步骤A6中， 执 行所述生物地理学优化 算法包括以下步骤： B1： 根据以下公式计算每一代种群的变异率， 再随机生成一 位0～1的随机数； pmt＝pmmax‑(pmmax‑pmmin)×t/MaxIT 其中， pmt， pmmin， pmmax分别为第t次迭代的变异率、 最小变异率和最大变异率； t为 当前迭 代次数， MaxIT为 最大迭代次数； B2： 如果生成的随机数小于迁入率则根据以下公式执行迁移操作， 否则不执行迁移操 作； k＝ceil((i‑1)*rand)， i≠1 Hi(SIVj)＝rand* Hi(SIVj)+(1‑rand)*Hk(SIVj) 其中， i为迁入栖息地 位置序号， k 为迁出栖息地 位置序号， cei l()为向上 取整函数； B3： 如果生成的随机数小于变异率则根据以下公式执行变异操作， 否则不执行变异操权　利　要　求　书 1/2 页 2 CN 115526423 A 2作； rn＝ceil(rand×D) Hi， t+1(SIVj)＝H1， t(SIVrn) 其中， D为优化问题空间维度， rn为栖息地位置序号， Hi， t(SIVj)为第t次迭代中第i个栖 息地的第j个SIV； B4： 判断迁移和变异后的种群是否越界并计算合理的种群的适应度， 最后根据适应度 大小进行淘汰劣等种群。 4.根据权利要求2所述的小型村镇供水工程混凝剂投加量预测方法， 其特征在于： 所述 步骤A6中， 执 行所述灰狼优化 算法包括以下步骤： C1： 根据种群前三个最优适应度确定α， β 和 δ狼， 再根据以下公式更新 参数a， A和C， 其中， 和 为系数向量， 为随迭代次数由2线性递减至0的参数， 和 为[0， 1]的随机 向量； C2： 根据以下公式更新狼群的位置： 其中， 为灰狼与猎物之间的距离， 为第t次迭代的灰狼位置， 和 分别为α， β 和 δ狼的位置； C3： 判断更新后的狼群位置是否越界并分别计算适应度值， 根据适应度值大小将前三 个最优的权值和阈值 参数赋值于α， β 和 δ狼； C4： 当迭代次数达到最大迭代次数后将α 狼对应的权值和阈值输出， 此为优化后的人工 神经网络模型的权值和阈值； C5： 将优化后的权值和阈值作为人工神经网络模型的权值， 进而确定混凝投药模型的 参数结构。 5.根据权利要求l所述的小型村镇供水工程混凝剂投加量预测方法， 其特征在于： 所述 步骤S3中， 所述预设数据参数包括； 出水浊度、 原水流量、 原水温度、 原水浊度、 原水pH值、 原 水CODmn、 原水UV254、 原水导电率、 原水色度。权　利　要　求　书 2/2 页 3 CN 115526423 A 3