买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京工业大学申请的专利一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114912543B 。

龙图腾网通过国家知识产权局官网在2025-03-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210631722.1，技术领域涉及：G06F18/214；该发明授权一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法是由韩红桂;孙美婷;李蒙蒙;李方昱设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法在说明书摘要公布了：一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，实现城市污水处理过程中随机缺失数据的实时补偿。针对城市污水处理过程数据具有非线性、高噪声的特点，难以利用精确的数学模型建立，该补偿方法，利用自编码神经网络自动提取变量间的非线性关系，根据事件触发机制判断实时样本的缺失情况，采用梯度下降算法对模型参数进行自适应在线调整，降低了高噪声对补偿结果的影响，提高了城市污水处理过程缺失数据实时补偿的精度。

本发明授权一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法在权利要求书中公布了：1.一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，其特征在于，包括以下步骤：1采集运行数据以城市污水处理过程为研究对象，通过安装在现场的仪表实时采集运行数据，包括进水流量、进水化学需氧量、进水总磷、出水总氮、出水总磷、进水氨氮、进水酸碱度、曝气池温度和回流污泥量；设所采集的运行数据集D共有Z个样本，Z取[1500,10000]之间的整数；2建立补偿模型补偿模型以自编码神经网络为载体，包含以下三层：输入层、隐含层和输出层；其结构为9-5-9的连接方式，即输入层神经元为9个，隐含层神经元为5个，输出层神经元为9个；补偿模型的输入变量为x1t,x2t,x3t,x4t,x5t,x6t,x7t,x8t,x9t，t＝1,2,…,Z，x1t为t时刻进水流量，单位是升立方米，x2t为t时刻进水化学需氧量，单位是毫克升，x3t为t时刻进水总磷浓度，单位是毫克升，x4t为t时刻出水总氮浓度，单位是毫克升，x5t为t时刻出水总磷浓度，单位是毫克升，x6t为t时刻进水氨氮浓度，单位是毫克升，x7t为t时刻进水酸碱度，x8t为t时刻曝气池温度，单位是摄氏度，x9t为t时刻生物需氧量，单位是毫克升，基于自编码神经网络的补偿模型中各层表示如下：输入层：由9个神经元组成，输入变量为x1t,x2t,x3t,x4t,x5t,x6t,x7t,x8t,x9t，每个神经元的输出为：upt＝xpt1其中，upt是t时刻第p个神经元的输出，p＝1,2,…,9；隐含层：由5个神经元组成，每个神经元输出为： 其中，hjt为t时刻第j个隐含层神经元输出，Wepjt为t时刻第p个变量第j个隐含层神经元的连接权重，bejt为t时刻第j个隐含层神经元偏移量，j＝1,…,5；输出层：由9个神经元组成，每个神经元输出为： 其中，为t时刻第p个神经元输出，Wdjpt为t时刻第j个输入第p个输出层神经元的连接权重，bdpt为t时刻第p个输出层神经元偏移量；3更新补偿模型参数①设初始迭代次数s＝1，最大迭代次数S＝100，运行数据集D的起始样本为第1个输入样本，即t＝1，初始时刻首次迭代的隐含层神经元的连接权重在区间[-1,1]中随机取值，初始时刻首次迭代的隐含层偏移量b1ep1在区间[-1,1]中随机取值，初始时刻首次迭代的输出层连接权重在区间[-1,1]中随机取值，初始时刻首次迭代的输出层偏移量b1dp1在区间[-1,1]中随机取值；②识别缺失样本t时刻运行数据集D的输入样本为xt＝[x1t,x2t,…,xpt,…,x9t]T，T为转置计算，输入样本xt的缺失掩码向量为：mt＝[m1t,m2t,...,mpt,...,m9t]4其中，m1t为t时刻进水流量的缺失掩码，m2t为t时刻进水化学需氧量的缺失掩码，m3t为t时刻进水总磷浓度的缺失掩码，m4t为t时刻出水总氮浓度的缺失掩码，m5t为t时刻出水总磷浓度的缺失掩码，m6t为t时刻进水氨氮的缺失掩码，m7t为t时刻进水酸碱度的缺失掩码，m8t为t时刻曝气温度的缺失掩码，m9t为t时刻回流污泥量的缺失掩码，mpt为t时刻第p个变量的缺失掩码；若xpt有实际值，mpt＝0，若xpt无实际值，mpt＝1；③若将输入样本xt保存到样本集D′中，时刻t增加1，则返回步骤②，∑为求和计算；若则执行步骤④；④从样本集D′中提取t时刻训练集X＝[xt-N,…,xt-1]，为向上取整计算；将训练集X顺序代入补偿模型，第i个训练样本为i＝1,…,N，根据公式1-3，计算第i个训练样本xit的输出为⑤t时刻补偿模型的参数更新公式为： 其中，为t时刻第s次迭代第j个隐含层神经元连接权重，为t时刻第s次迭代隐含层神经元的偏移量，为t时刻第s次迭代第p个输出层神经元连接权重，为t时刻第s次迭代输出层神经元的偏移量，α为学习率且取值范围为0,0.1，Et为补偿模型输出和输入之间的误差： 其中，θsut为t时刻第s次迭代参数向量θst的第u个参数，为t-1时刻第S次迭代参数向量θSt-1的第u个参数，Ωut为t时刻第u个参数的重要度且在[0.1,0.5]中随机取值，u＝1,…,20×5，λ为正则化参数且在0,1中随机取值；⑥若迭代次数sS时，迭代次数s增加1，则返回步骤⑤；若迭代次数s≥S时，则执行步骤⑦；⑦利用训练好的补偿模型，将输入样本xt作为补偿模型的输入，根据公式1-3，计算输出利用输出对输入样本xt进行补偿： 其中，为输入样本xt的最终补偿结果，为两个向量中对应位置元素相乘，I为单位向量，将补偿结果保存到样本集D′；⑧时刻t增加1，若tZ时，则返回步骤②；若t≥Z时，则停止补偿；4输出补偿结果输出样本集D′，即为在线补偿后的城市污水处理过程运行数据样本集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。