本發(fā)明涉及ph值測量領(lǐng)域，尤其是涉及一種應(yīng)用反向差分演化的稀土礦區(qū)農(nóng)田水體ph值軟測量方法。

背景技術(shù)：

稀土在世界工業(yè)生產(chǎn)中具有不可替代的核心作用。目前，稀土的開采方式主要采用原地浸礦工藝。這種采礦工藝會往礦山內(nèi)部灌注大量的化學(xué)溶液。而灌注的化學(xué)溶液會逐漸滲透到地表水源，造成稀土礦區(qū)溪水污染，而溪水是稀土礦區(qū)農(nóng)田灌溉用水的來源。因此，稀土礦區(qū)農(nóng)田水體容易受到稀土開采的污染，造成農(nóng)作物難以生長，并且農(nóng)作物的果實也會因為受到污染而不能食用。由此可見，迅速掌握稀土礦區(qū)農(nóng)田水體的水質(zhì)具有非常重要的意義。

稀土礦區(qū)農(nóng)田水體的水質(zhì)受到各種因素的影響，其中ph值是一項直接反映農(nóng)田水體水質(zhì)的重要指標(biāo)。傳統(tǒng)采用人工測量水體ph值的方法往往需要耗費大量的人力和財力成本。因此人們提出了基于軟測量的水體ph值的測量方法。例如，康莉莎提出了利用模糊神經(jīng)網(wǎng)絡(luò)來實現(xiàn)骨素ph值的方法(康莉莎.基于模糊神經(jīng)網(wǎng)絡(luò)骨素ph值軟測量[j].自動化與儀器儀表,2015,(03):100-101)；賈潤達等提出了基于徑向基函數(shù)網(wǎng)絡(luò)與偏魯棒m-回歸相結(jié)合的非線性prm的萃余液ph值軟測量方法(賈潤達,毛志忠,常玉清.基于非線性偏魯棒m-回歸的萃余液ph值軟測量[j].自動化學(xué)報,2009,35(05):583-587.)。

差分演化是一種智能計算領(lǐng)域中的研究熱點。由于差分演化具有尋優(yōu)能力強，結(jié)構(gòu)簡單且易于實現(xiàn)和使用的優(yōu)點，許多研究人員將其成功應(yīng)用到了各種工業(yè)工程問題中。目前，差分演化在許多工業(yè)工程應(yīng)用中獲得了非常成功的結(jié)果，并且它在建立軟測量模型中也表現(xiàn)出很大的潛力，但是傳統(tǒng)差分演化算法在建立稀土礦區(qū)農(nóng)田水體ph值的軟測量模型時容易出現(xiàn)陷入局部最優(yōu)，測量精度不高的缺點。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提出一種應(yīng)用反向差分演化的稀土礦區(qū)農(nóng)田水體ph值軟測量方法，本發(fā)明能夠提高稀土礦區(qū)農(nóng)田水體ph值軟測量的精度。

本發(fā)明的技術(shù)方案：一種應(yīng)用反向差分演化的稀土礦區(qū)農(nóng)田水體ph值軟測量方法，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)hd天采集水體樣本，并測量出水體樣本的水質(zhì)指標(biāo)：氨氮、總氮、總磷、硫化物、水溫、水深度、農(nóng)田面積和ph值，將測量出來的水質(zhì)指標(biāo)數(shù)據(jù)作為樣本數(shù)據(jù)集，并對樣本數(shù)據(jù)集進行歸一化處理；

步驟2，用戶初始化軟測量跨度天數(shù)ht，種群大小popsize，反向?qū)W習(xí)率op，縮放因子f，雜交率cr和最大評價次數(shù)max_fes；

步驟3，令當(dāng)前演化代數(shù)t＝0，當(dāng)前評價次數(shù)fes＝0，支持向量機的優(yōu)化設(shè)計參數(shù)個數(shù)d＝3；

步驟4，設(shè)置支持向量機的輸入變量為歸一化的一天的稀土礦區(qū)農(nóng)田水體水質(zhì)指標(biāo)：氨氮、總氮、總磷、硫化物、水溫、水深度、農(nóng)田面積和ph值，支持向量機的輸出為歸一化的ht天后的稀土礦區(qū)農(nóng)田水體ph值，然后設(shè)置支持向量機d個優(yōu)化設(shè)計參數(shù)的下界lbj和上界ubj，其中維度下標(biāo)j＝1,2,3；

步驟5，隨機產(chǎn)生初始種群其中：個體下標(biāo)i＝1,2,...,popsize，并且為種群pt中的第i個個體，其隨機初始化公式為：

其中j＝1,2,3，存儲了支持向量機d個需要優(yōu)化設(shè)計的參數(shù)，即是支持向量機的懲罰因子c，是支持向量機的徑向基核參數(shù)g，是支持向量機的不敏感損失函數(shù)中參數(shù)ε；rand(0,1)為在[0,1]之間的隨機實數(shù)產(chǎn)生函數(shù)；

步驟6，計算種群pt中所有個體的適應(yīng)值；

步驟7，令當(dāng)前評價次數(shù)fes＝fes+popsize；

步驟8，保存種群pt中的最優(yōu)個體best^t；

步驟9，在[0,1]之間隨機產(chǎn)生一個實數(shù)rp；

步驟10，如果rp大于反向?qū)W習(xí)率op則轉(zhuǎn)到步驟11，否則轉(zhuǎn)到步驟14；

步驟11，利用縮放因子f和雜交率cr執(zhí)行差分演化的操作算子；

步驟12，令當(dāng)前評價次數(shù)fes＝fes+popsize；

步驟13，轉(zhuǎn)到步驟15；

步驟14，執(zhí)行改進的反向?qū)W習(xí)策略得到反向種群dpt，然后從種群pt和反向種群dpt中選擇出優(yōu)秀個體進入下一代種群，具體步驟如下：

步驟14.1，按以下公式計算種群pt的搜索下界dlb^t和上界dub^t：

其中i＝1,2,...,popsize，j＝1,2,3；min表示取最小值函數(shù)，max表示取最大值函數(shù)；

步驟14.2，按以下公式產(chǎn)生種群pt的反向種群dpt：

dk＝rand(0,1),gk＝rand(0,1)

其中反向個體下標(biāo)di＝1,2,...,popsize，維度下標(biāo)dj＝1,2,3；dk是組合因子，gk是反向因子，rd1是在[1,popsize]之間隨機產(chǎn)生的一個整數(shù)；是反向種群dpt中的第di個反向個體；

步驟14.3，計算反向種群dpt中所有反向個體的適應(yīng)值；

步驟14.4，從種群pt和反向種群dpt中選擇出優(yōu)秀個體進入下一代種群；

步驟14.5，令當(dāng)前評價次數(shù)fes＝fes+popsize，然后轉(zhuǎn)到步驟15；

步驟15，保存種群pt中的最優(yōu)個體best^t，并令當(dāng)前演化代數(shù)t＝t+1；

步驟16，重復(fù)步驟9至步驟15直至當(dāng)前評價次數(shù)fes達到max_fes后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個體best^t作為支持向量機的訓(xùn)練參數(shù)，將訓(xùn)練好的支持向量機作為軟測量模型，即可實現(xiàn)稀土礦區(qū)農(nóng)田水體ph值的軟測量。

本發(fā)明采用支持向量機作為稀土礦區(qū)農(nóng)田水體ph值的軟測量模型，并利用反向差分演化算法來優(yōu)化支持向量機的訓(xùn)練參數(shù)。在優(yōu)化過程中，反向差分演化算法在其搜索過程中執(zhí)行差分演化的基本操作算子，并以一定的概率執(zhí)行改進的反向?qū)W習(xí)策略產(chǎn)生一個反向種群，然后在當(dāng)前種群和反向種群中選擇出優(yōu)秀個體進入下一代種群，以此提高算法的全局搜索能力。本發(fā)明能夠提高稀土礦區(qū)農(nóng)田水體ph值軟測量的精度。

附圖說明

圖1為本發(fā)明的流程圖。

具體實施方式

下面通過實施例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進一步具體的說明。

實施例：

步驟1，在需要軟測量的稀土礦區(qū)農(nóng)田內(nèi)連續(xù)hd＝68天采集水體樣本，并測量出水體樣本的水質(zhì)指標(biāo)：氨氮、總氮、總磷、硫化物、水溫、水深度、農(nóng)田面積和ph值，將測量出來的水質(zhì)指標(biāo)數(shù)據(jù)作為樣本數(shù)據(jù)集，并對樣本數(shù)據(jù)集進行歸一化處理；

步驟2，用戶初始化軟測量跨度天數(shù)ht＝2，種群大小popsize＝100，反向?qū)W習(xí)率op＝0.3，縮放因子f＝0.5，雜交率cr＝0.9和最大評價次數(shù)max_fes＝10000；

步驟3，令當(dāng)前演化代數(shù)t＝0，當(dāng)前評價次數(shù)fes＝0，支持向量機的優(yōu)化設(shè)計參數(shù)個數(shù)d＝3；

步驟4，設(shè)置支持向量機的輸入變量為歸一化的一天的稀土礦區(qū)農(nóng)田水體水質(zhì)指標(biāo)：氨氮、總氮、總磷、硫化物、水溫、水深度、農(nóng)田面積和ph值，支持向量機的輸出為歸一化的ht天后的稀土礦區(qū)農(nóng)田水體ph值，然后設(shè)置支持向量機d個優(yōu)化設(shè)計參數(shù)的下界lbj和上界ubj，其中維度下標(biāo)j＝1,2,3；

步驟5，隨機產(chǎn)生初始種群其中：個體下標(biāo)i＝1,2,...,popsize，并且為種群pt中的第i個個體，其隨機初始化公式為：

其中j＝1,2,3，存儲了支持向量機d個需要優(yōu)化設(shè)計的參數(shù)，即是支持向量機的懲罰因子c，是支持向量機的徑向基核參數(shù)g，是支持向量機的不敏感損失函數(shù)中參數(shù)ε；rand(0,1)為在[0,1]之間的隨機實數(shù)產(chǎn)生函數(shù)；

步驟6，計算種群pt中所有個體的適應(yīng)值；

步驟7，令當(dāng)前評價次數(shù)fes＝fes+popsize；

步驟8，保存種群pt中的最優(yōu)個體best^t；

步驟9，在[0,1]之間隨機產(chǎn)生一個實數(shù)rp；

步驟10，如果rp大于反向?qū)W習(xí)率op則轉(zhuǎn)到步驟11，否則轉(zhuǎn)到步驟14；

步驟11，利用縮放因子f和雜交率cr執(zhí)行差分演化的操作算子；

步驟12，令當(dāng)前評價次數(shù)fes＝fes+popsize；

步驟13，轉(zhuǎn)到步驟15；

步驟14，執(zhí)行改進的反向?qū)W習(xí)策略得到反向種群dpt，然后從種群pt和反向種群dpt中選擇出優(yōu)秀個體進入下一代種群，具體步驟如下：

步驟14.1，按以下公式計算種群pt的搜索下界dlb^t和上界dub^t：

其中i＝1,2,...,popsize，j＝1,2,3；min表示取最小值函數(shù)，max表示取最大值函數(shù)；

步驟14.2，按以下公式產(chǎn)生種群pt的反向種群dpt：

dk＝rand(0,1),gk＝rand(0,1)

其中反向個體下標(biāo)di＝1,2,...,popsize，維度下標(biāo)dj＝1,2,3；dk是組合因子，gk是反向因子，rd1是在[1,popsize]之間隨機產(chǎn)生的一個整數(shù)；是反向種群dpt中的第di個反向個體；

步驟14.3，計算反向種群dpt中所有反向個體的適應(yīng)值；

步驟14.4，從種群pt和反向種群dpt中選擇出優(yōu)秀個體進入下一代種群；

步驟14.5，令當(dāng)前評價次數(shù)fes＝fes+popsize，然后轉(zhuǎn)到步驟15；

步驟15，保存種群pt中的最優(yōu)個體best^t，并令當(dāng)前演化代數(shù)t＝t+1；

步驟16，重復(fù)步驟9至步驟15直至當(dāng)前評價次數(shù)fes達到max_fes后結(jié)束，將執(zhí)行過程中得到的最優(yōu)個體best^t作為支持向量機的訓(xùn)練參數(shù)，將訓(xùn)練好的支持向量機作為軟測量模型，即可實現(xiàn)稀土礦區(qū)農(nóng)田水體ph值的軟測量。

本文中所描述的具體實施例僅僅是對本發(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施例做各種各樣的修改或補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。