文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201710501486.0

申 请 日：20170627

发 明 人：李太福 叶仪 李家庆 张堃 段棠少 王甜 唐海红

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20180817

公 开 号：CN107229970B

代 理 人：王玉芝; 杨明

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明公开了一种共享直饮水水质自适应动态自学习在线监测方法，包括：S110建立神经网络输入样本集；S120建立神经网络输出样本集；S130获得归一化样本集；S140根据所述归一化样本集构建三层的BP神经网络模型；S150根据所述三层BP神经网络，运用UKF算法进行网络权值阈值动态调整；S160对云端服务器上积累的海量数据，利用UKFNN算法进行建模，获取神经网络参数；S170对实时变化的恒定水箱内水质的影响因素实现实时预测；根据恒定水箱水质实时预测，实现共享直饮水水质自适应动态自学习在线监测。本发明提供共享直饮水水质动态自学习在线监测方法及系统，具有的技术效果或优点是：改变传统饮水方式，为用户提供一种快捷、健康、方便的饮水方式，满足人民快节奏生活水平和高质量生活水平要求。

主 权 项：1.共享直饮水水质自适应动态自学习在线监测方法，其特征在于：包括以下步骤：S110根据恒定水箱内水质的影响的控制参数，建立神经网络输入样本集；S120根据实时测量的恒定水箱内水质指标，建立神经网络输出样本集；S130将输入样本集和输出样本集进行归一化处理，获得归一化样本集；S140根据所述归一化样本集构建三层的BP神经网络模型；S150根据所述三层BP神经网络，运用UKF算法进行网络权值阈值动态调整；S160对云端服务器上积累的海量数据，利用UKFNN算法进行建模，获取神经网络参数；S170对实时变化的恒定水箱内水质的影响因素实现实时预测；根据恒定水箱水质实时预测，实现共享直饮水水质自适应动态自学习在线监测；所述恒定水箱内影响水质的控制参数包括，确定影响水箱内水质的影响因素，该影响因素包括：直饮水机滤芯性能、地区ID号码、直饮水机累计用水量、水箱内水温历史温度实时数据、实时水箱出水口处开关状态；根据实时测量的恒定水箱内水质指标，建立神经网络输出样本集，包括：通过定期质检员巡检，抽取水箱内饮用水水样进行水质指标检测并实时传输到云端服务器，即获得神经网络输出样本集；在所述步骤S150，三层BP神经网络包括(M-s₁-l)的拓扑结构，隐含层激发函数为s型函数，输出层为线性函数；输入层神经元数为M个，隐含层节点数由经验公式所得，M,s₁,l分别表示表输入层、隐含层、输出层的神经元个数，α为1-10的常数，输出层节点数为4个，则建立初始模型为：

关 键 词：在线监测  直饮水 自学习 水质  恒定  归一化样本  实时预测  饮水方式  样本集  自适应 算法  共享 三层BP神经网络  神经网络参数 神经网络输出  神经网络输入  阈值动态调整  云端服务器  海量数据  技术效果  实时变化  水箱水质  影响因素  用户提供  快节奏 网络权  水箱  构建  建模  三层  积累  健康  

IPC专利分类号：G06N3/08(20060101); G06N3/10(20060101); G06K9/62(20060101); G06Q50/06(20120101); G01N33/18(20060101)