本發(fā)明涉及水體BOD軟測量領(lǐng)域，尤其是涉及一種應(yīng)用混合差分演化的稀土礦區(qū)農(nóng)田水體BOD軟測量方法。

背景技術(shù)：

稀土在現(xiàn)代科技發(fā)展中具有非常重要的作用。我國是稀土資源大國，擁有非常豐富的稀土礦產(chǎn)資源。然而，在稀土采礦過程中，往往會產(chǎn)生大量的廢水。尤其是在我國南方地區(qū)的離子型稀土的開采過程中會往山體中注入大量的酸性溶液，這樣容易導(dǎo)致離子型稀土礦區(qū)地表水受到污染，而地表水又會流向溪水，最終通往農(nóng)田的灌溉，從而污染稀土礦區(qū)的農(nóng)田。為了有效地監(jiān)測稀土礦區(qū)農(nóng)田的水體污染，就需要掌握農(nóng)田水體水質(zhì)的變化規(guī)律。

BOD是反映農(nóng)田水體水質(zhì)的重要指標(biāo)之一，但直接測定水體BOD需要較長的周期，這無法及時(shí)地掌握水體水質(zhì)的真實(shí)情況。為此，許多研究人員提出了水體BOD軟測量方法，其基本思想就是通過一些容易測量出來且與水體BOD密切相關(guān)的水質(zhì)指標(biāo)來間接地把握水體BOD的規(guī)律，也就是說，以這些容易測量出來的水質(zhì)指標(biāo)為輔助變量，然后建立起輔助變量與水體BOD之間的數(shù)學(xué)模型，以此掌握水體BOD的動(dòng)態(tài)變化規(guī)律。因此，水體BOD軟測量方法可以較快地測量出水體BOD，從而較迅速地了解水體水質(zhì)的真實(shí)情況。

由于水體BOD軟測量方法具有許多優(yōu)點(diǎn)，它吸引了許多研究人員對其進(jìn)行研究。例如，喬俊飛等發(fā)明了一種污水處理過程中生化需氧量BOD的軟測量方法，該發(fā)明采用神經(jīng)網(wǎng)絡(luò)來建立水體BOD的軟測量模型(專利號：200810224496.5)；田奕和喬俊飛提出了一種基于遺傳算法的BOD神經(jīng)網(wǎng)絡(luò)軟測量方法，該方法利用遺傳算法來優(yōu)化設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的參數(shù)，從而建立起水體BOD的軟測量模型(田奕,喬俊飛.基于遺傳算法的BOD神經(jīng)網(wǎng)絡(luò)軟測量[J].計(jì)算機(jī)技術(shù)與發(fā)展,2009,19(3):127-129,133)；喬俊飛和韓紅桂發(fā)明了一種基于彈性徑向基神經(jīng)網(wǎng)絡(luò)的生化需氧量BOD軟測量方法，該發(fā)明利用彈性徑向基神經(jīng)網(wǎng)絡(luò)來建立水體BOD的軟測量模型，并以彈性徑向基神經(jīng)網(wǎng)絡(luò)的輸出作為BOD的軟測量值。(專利號：201010252670.4)。神經(jīng)網(wǎng)絡(luò)在水體BOD軟測量中應(yīng)用非常廣泛，但傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在建立稀土礦區(qū)農(nóng)田水體BOD的軟測量模型時(shí)容易出現(xiàn)陷入局部最優(yōu)，測量精度不高的缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于稀土礦區(qū)農(nóng)田水體BOD軟測量時(shí)容易出現(xiàn)陷入局部最優(yōu)，軟測量精度不高的缺點(diǎn)，提出一種應(yīng)用混合差分演化的稀土礦區(qū)農(nóng)田水體BOD軟測量方法。本發(fā)明能夠提高稀土礦區(qū)農(nóng)田水體BOD軟測量的精度。

本發(fā)明的技術(shù)方案：一種應(yīng)用混合差分演化的稀土礦區(qū)農(nóng)田水體BOD軟測量方法，包括以下步驟：

步驟1，在需要軟測量的稀土礦區(qū)農(nóng)田內(nèi)連續(xù)BD天采集水體樣本，并對水體樣本進(jìn)行實(shí)驗(yàn)，測量出與農(nóng)田水質(zhì)相關(guān)的指標(biāo)：化學(xué)需氧量、pH值、氨氮、硝酸鹽、水溫、農(nóng)田面積、水深度、BOD值，將測量出來的數(shù)據(jù)作為樣本數(shù)據(jù)集；然后對采集到的樣本數(shù)據(jù)集進(jìn)行歸一化處理；

步驟2，用戶初始化參數(shù)，所述初始化參數(shù)包括三層感知器神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元的個(gè)數(shù)BN，種群大小Popsize，雜交率Cr，縮放因子F和最大評價(jià)次數(shù)MAX_FEs；

步驟3，當(dāng)前演化代數(shù)t＝0，當(dāng)前評價(jià)次數(shù)FEs＝0；

步驟4，令三層感知器神經(jīng)網(wǎng)絡(luò)的輸入變量為歸一化的化學(xué)需氧量、pH值、氨氮、硝酸鹽、水溫、農(nóng)田面積、水深度，且輸出為歸一化的BOD值，然后確定三層感知器神經(jīng)網(wǎng)絡(luò)的隱含層和輸出層的傳遞函數(shù)，并計(jì)算三層感知器神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)參數(shù)個(gè)數(shù)D＝BN×9+1；

步驟5，隨機(jī)初始化種群其中：個(gè)體下標(biāo)i＝1,2,...,Popsize；為種群P_t中的第i個(gè)個(gè)體并且存儲了三層感知器神經(jīng)網(wǎng)絡(luò)的D個(gè)待優(yōu)化設(shè)計(jì)參數(shù)；

步驟6，計(jì)算種群P_t中每個(gè)個(gè)體的適應(yīng)值；

步驟7，令當(dāng)前評價(jià)次數(shù)FEs＝FEs+Popsize；

步驟8，保存種群P_t中的最優(yōu)個(gè)體Best^t；

步驟9，令計(jì)數(shù)器bi＝1；

步驟10，如果計(jì)數(shù)器bi大于種群大小Popsize，則轉(zhuǎn)到步驟16，否則轉(zhuǎn)到步驟11；

步驟11，執(zhí)行改進(jìn)的差分演化操作算子產(chǎn)生一個(gè)試驗(yàn)個(gè)體其步驟如下：

步驟11.1，令計(jì)數(shù)器bj＝1；

步驟11.2，在[1,D]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)jRand；

步驟11.3，在種群P_t中隨機(jī)選擇出兩個(gè)不相等的個(gè)體和

步驟11.4，如果個(gè)體的適應(yīng)值比個(gè)體的適應(yīng)值更優(yōu)，則令個(gè)體否則令個(gè)體

步驟11.5，在[0,1]之間產(chǎn)生一個(gè)服從均勻分布的隨機(jī)實(shí)數(shù)BW，然后令組合基礎(chǔ)個(gè)體BB^t＝Best^t×BW+XB^t×(1-BW)；

步驟11.6，在[1,Popsize]之間隨機(jī)產(chǎn)生兩個(gè)互不相等的正整數(shù)RB3和RB4；

步驟11.7，如果計(jì)數(shù)器bj小于或等于D，則轉(zhuǎn)到步驟11.8，否則轉(zhuǎn)到步驟12；

步驟11.8，在[0,1]之間產(chǎn)生一個(gè)隨機(jī)實(shí)數(shù)r1，如果r1小于雜交率Cr或者計(jì)數(shù)器bj等于jRand，則轉(zhuǎn)到步驟11.9，否則轉(zhuǎn)到步驟11.11；

步驟11.9，

步驟11.10，轉(zhuǎn)到步驟11.12

步驟11.11，

步驟11.12，令計(jì)數(shù)器bj＝bj+1，然后轉(zhuǎn)到步驟11.7；

步驟12，計(jì)算試驗(yàn)個(gè)體的適應(yīng)值；

步驟13，令當(dāng)前評價(jià)次數(shù)FEs＝FEs+1；

步驟14，執(zhí)行選擇操作算子在個(gè)體與試驗(yàn)個(gè)體之間選擇更優(yōu)者進(jìn)入下一代種群；

步驟15，令計(jì)數(shù)器bi＝bi+1，然后轉(zhuǎn)到步驟10；

步驟16，在種群P_t中隨機(jī)選擇出一個(gè)個(gè)體然后對個(gè)體執(zhí)行局部搜索得到個(gè)體并計(jì)算個(gè)體的適應(yīng)值，具體步驟如下：

步驟16.1，在[0，1]之間隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)rw；

步驟16.2，令計(jì)數(shù)器bk＝1；

步驟16.3，如果計(jì)數(shù)器bk大于D，則轉(zhuǎn)到步驟16.6，否則轉(zhuǎn)到步驟16.4；

步驟16.4，令

步驟16.5，令計(jì)數(shù)器bk＝bk+1，轉(zhuǎn)到步驟16.3；

步驟16.6，計(jì)算個(gè)體的適應(yīng)值，并令當(dāng)前評價(jià)次數(shù)FEs＝FEs+1，轉(zhuǎn)到步驟17；

步驟17，如果個(gè)體的適應(yīng)值優(yōu)于個(gè)體的適應(yīng)值，則令個(gè)體否則保持個(gè)體不變；

步驟18，保存種群P_t中的最優(yōu)個(gè)體Best^t；

步驟19，令當(dāng)前演化代數(shù)t＝t+1；

步驟20，重復(fù)步驟9至步驟19直至當(dāng)前評價(jià)次數(shù)FEs達(dá)到MAX_FEs后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個(gè)體Best^t解碼為三層感知器神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)參數(shù)，并將得到的三層感知器神經(jīng)網(wǎng)絡(luò)作為軟測量模型，即可實(shí)現(xiàn)稀土礦區(qū)農(nóng)田水體BOD的軟測量。

本發(fā)明采用神經(jīng)網(wǎng)絡(luò)作為稀土礦區(qū)農(nóng)田水體BOD的軟測量模型，并利用混合差分演化算法優(yōu)化設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的參數(shù)。在混合差分演化中，將最優(yōu)個(gè)體與隨機(jī)個(gè)體進(jìn)行線性組合生成變異算子的基礎(chǔ)個(gè)體，以此實(shí)現(xiàn)勘探搜索與開采搜索的平衡。此外，利用最優(yōu)個(gè)體的信息來指導(dǎo)種群的搜索方向以提高軟測量的精度。本發(fā)明能夠提高稀土礦區(qū)農(nóng)田水體BOD軟測量的精度。

附圖說明

圖1為本發(fā)明的流程圖。

具體實(shí)施方式

下面通過實(shí)施例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。

實(shí)施例：

步驟1，確定稀土礦區(qū)農(nóng)田，并對其連續(xù)BD＝52天采集水體樣本，并對水體樣本進(jìn)行實(shí)驗(yàn)，測量出與農(nóng)田水質(zhì)相關(guān)的指標(biāo)：化學(xué)需氧量、pH值、氨氮、硝酸鹽、水溫、農(nóng)田面積、水深度、BOD值，將測量出來的數(shù)據(jù)作為樣本數(shù)據(jù)集；然后對采集到的樣本數(shù)據(jù)集進(jìn)行歸一化處理；

步驟2，用戶初始化參數(shù)，所述初始化參數(shù)包括三層感知器神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元的個(gè)數(shù)BN＝8，種群大小Popsize＝100，雜交率Cr＝0.9，縮放因子F＝0.5和最大評價(jià)次數(shù)MAX_FEs＝360000；

步驟3，當(dāng)前演化代數(shù)t＝0，當(dāng)前評價(jià)次數(shù)FEs＝0；

步驟4，令三層感知器神經(jīng)網(wǎng)絡(luò)的輸入變量為歸一化的化學(xué)需氧量、pH值、氨氮、硝酸鹽、水溫、農(nóng)田面積、水深度，且輸出為歸一化的BOD值，然后確定三層感知器神經(jīng)網(wǎng)絡(luò)的隱含層和輸出層的傳遞函數(shù)，并計(jì)算三層感知器神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)參數(shù)個(gè)數(shù)D＝BN×9+1；

步驟5，隨機(jī)初始化種群其中：個(gè)體下標(biāo)i＝1,2,...,Popsize；為種群P_t中的第i個(gè)個(gè)體并且存儲了三層感知器神經(jīng)網(wǎng)絡(luò)的D個(gè)待優(yōu)化設(shè)計(jì)參數(shù)；

步驟6，計(jì)算種群P_t中每個(gè)個(gè)體的適應(yīng)值；

步驟7，令當(dāng)前評價(jià)次數(shù)FEs＝FEs+Popsize；

步驟8，保存種群P_t中的最優(yōu)個(gè)體Best^t；

步驟9，令計(jì)數(shù)器bi＝1；

步驟10，如果計(jì)數(shù)器bi大于種群大小Popsize，則轉(zhuǎn)到步驟16，否則轉(zhuǎn)到步驟11；

步驟11，執(zhí)行改進(jìn)的差分演化操作算子產(chǎn)生一個(gè)試驗(yàn)個(gè)體其步驟如下：

步驟11.1，令計(jì)數(shù)器bj＝1；

步驟11.2，在[1,D]之間隨機(jī)產(chǎn)生一個(gè)正整數(shù)jRand；

步驟11.3，在種群P_t中隨機(jī)選擇出兩個(gè)不相等的個(gè)體和

步驟11.4，如果個(gè)體的適應(yīng)值比個(gè)體的適應(yīng)值更優(yōu)，則令個(gè)體否則令個(gè)體

步驟11.5，在[0,1]之間產(chǎn)生一個(gè)服從均勻分布的隨機(jī)實(shí)數(shù)BW，然后令組合基礎(chǔ)個(gè)體BB^t＝Best^t×BW+XB^t×(1-BW)；

步驟11.6，在[1,Popsize]之間隨機(jī)產(chǎn)生兩個(gè)互不相等的正整數(shù)RB3和RB4；

步驟11.7，如果計(jì)數(shù)器bj小于或等于D，則轉(zhuǎn)到步驟11.8，否則轉(zhuǎn)到步驟12；

步驟11.8，在[0,1]之間產(chǎn)生一個(gè)隨機(jī)實(shí)數(shù)r1，如果r1小于雜交率Cr或者計(jì)數(shù)器bj等于jRand，則轉(zhuǎn)到步驟11.9，否則轉(zhuǎn)到步驟11.11；

步驟11.9，

步驟11.10，轉(zhuǎn)到步驟11.12

步驟11.11，

步驟11.12，令計(jì)數(shù)器bj＝bj+1，然后轉(zhuǎn)到步驟11.7；

步驟12，計(jì)算試驗(yàn)個(gè)體的適應(yīng)值；

步驟13，令當(dāng)前評價(jià)次數(shù)FEs＝FEs+1；

步驟14，執(zhí)行選擇操作算子在個(gè)體與試驗(yàn)個(gè)體之間選擇更優(yōu)者進(jìn)入下一代種群；

步驟15，令計(jì)數(shù)器bi＝bi+1，然后轉(zhuǎn)到步驟10；

步驟16，在種群P_t中隨機(jī)選擇出一個(gè)個(gè)體然后對個(gè)體執(zhí)行局部搜索得到個(gè)體并計(jì)算個(gè)體的適應(yīng)值，具體步驟如下：

步驟16.1，在[0，1]之間隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)rw；

步驟16.2，令計(jì)數(shù)器bk＝1；

步驟16.3，如果計(jì)數(shù)器bk大于D，則轉(zhuǎn)到步驟16.6，否則轉(zhuǎn)到步驟16.4；

步驟16.4，令

步驟16.5，令計(jì)數(shù)器bk＝bk+1，轉(zhuǎn)到步驟16.3；

步驟16.6，計(jì)算個(gè)體的適應(yīng)值，并令當(dāng)前評價(jià)次數(shù)FEs＝FEs+1，轉(zhuǎn)到步驟17；

步驟17，如果個(gè)體的適應(yīng)值優(yōu)于個(gè)體的適應(yīng)值，則令個(gè)體否則保持個(gè)體不變；

步驟18，保存種群P_t中的最優(yōu)個(gè)體Best^t；

步驟19，令當(dāng)前演化代數(shù)t＝t+1；

步驟20，重復(fù)步驟9至步驟19直至當(dāng)前評價(jià)次數(shù)FEs達(dá)到MAX_FEs后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個(gè)體Best^t解碼為三層感知器神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)參數(shù)，并將得到的三層感知器神經(jīng)網(wǎng)絡(luò)作為軟測量模型，即可實(shí)現(xiàn)稀土礦區(qū)農(nóng)田水體BOD的軟測量。

本文中所描述的具體實(shí)施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。