本發(fā)明涉及移動(dòng)互聯(lián)網(wǎng)服務(wù)領(lǐng)域，特別涉及一種共享直飲水水質(zhì)在線監(jiān)測方法及系統(tǒng)。

背景技術(shù)：

隨著生活水平的提高，經(jīng)濟(jì)飛速發(fā)展，高品質(zhì)健康的生活理念越來越得到人們的青睞。特別針對日常飲用水的健康性、方便性要求越來越高，市場上目前飲用水方式包括直飲水和桶裝礦泉水，其中桶裝礦泉水質(zhì)量、容量、價(jià)格參差不齊，在現(xiàn)有的經(jīng)濟(jì)體系下，桶裝水的質(zhì)量無法得到安全健康保證，市場上存在大量桶裝礦泉水“以次充好”的現(xiàn)象，不僅存在“暴利”且不合格的桶裝礦泉水會(huì)對人民的身體健康帶來潛在威脅。于此同時(shí)，在快節(jié)奏的都市生活中，高效的時(shí)間利用使得人們對服務(wù)產(chǎn)品的便利性要求越來越高。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種共享直飲水水質(zhì)在線監(jiān)測方法及系統(tǒng)。以解決方便、健康、快捷的共享直飲水飲用問題，保證飲用水的水質(zhì)健康，實(shí)現(xiàn)共享直飲水水質(zhì)實(shí)時(shí)監(jiān)測與實(shí)時(shí)更換，實(shí)現(xiàn)共享直飲水智能管理。

本發(fā)明的目的之一是通過以下技術(shù)方案來實(shí)現(xiàn)的，共享直飲水水質(zhì)在線監(jiān)測方法，包括以下步驟：

s110根據(jù)恒定水箱內(nèi)影響水質(zhì)的控制參數(shù)，建立神經(jīng)網(wǎng)絡(luò)輸入樣本集；

s120根據(jù)實(shí)時(shí)測量的恒定水箱內(nèi)水質(zhì)指標(biāo)，建立神經(jīng)網(wǎng)絡(luò)輸出樣本集；

s130將輸入樣本集和輸出樣本集進(jìn)行歸一化處理，獲得歸一化樣本集；

s140根據(jù)所述歸一化樣本集構(gòu)建grnn網(wǎng)絡(luò)模型；

s150根據(jù)所述grnn網(wǎng)絡(luò)模型，獲得網(wǎng)絡(luò)擴(kuò)展因子；

s160對實(shí)時(shí)變化的恒定水箱內(nèi)水質(zhì)的影響因素實(shí)現(xiàn)實(shí)時(shí)預(yù)測；根據(jù)恒定水箱水質(zhì)實(shí)時(shí)預(yù)測，實(shí)現(xiàn)共享直飲水水質(zhì)自適應(yīng)動(dòng)態(tài)自學(xué)習(xí)在線監(jiān)測。

進(jìn)一步，所述步驟s120后還包括預(yù)處理步驟，所述預(yù)處理步驟為：將構(gòu)建的輸入樣本集進(jìn)行主元提取，并獲得新樣本集。

進(jìn)一步，所述恒定水箱內(nèi)影響水質(zhì)的控制參數(shù)包括，確定影響水箱內(nèi)水質(zhì)的影響因素，該影響因素包括：直飲水機(jī)濾芯性能、地區(qū)id號(hào)碼、直飲水機(jī)累計(jì)用水量、水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài)。

進(jìn)一步，根據(jù)實(shí)時(shí)測量的恒定水箱內(nèi)水質(zhì)指標(biāo)，建立神經(jīng)網(wǎng)絡(luò)輸出樣本集，包括：通過定期質(zhì)檢員巡檢，抽取水箱內(nèi)飲用水水樣進(jìn)行水質(zhì)指標(biāo)檢測并實(shí)時(shí)傳輸?shù)皆贫朔?wù)器，即獲得神經(jīng)網(wǎng)絡(luò)輸出樣本集。

進(jìn)一步，利用主元分析算法對狀態(tài)變量x(水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài))進(jìn)行主元提取，構(gòu)建新的狀態(tài)變量x′＝{xz1,xz2,l,xzm}，x′為m個(gè)狀態(tài)主元分量，每個(gè)狀態(tài)主元分量的維度與所述樣本的數(shù)量相同。

進(jìn)一步，grnn模型方程如下：

其中，表示所有樣本觀測值yi的加權(quán)平均；yi表示觀測值；x網(wǎng)絡(luò)輸入變量；xi表示第i個(gè)神經(jīng)元對應(yīng)的學(xué)習(xí)樣本；σ表示網(wǎng)絡(luò)擴(kuò)展因子。

進(jìn)一步，利用grnn算法進(jìn)行建模，獲取網(wǎng)絡(luò)擴(kuò)展因子的過程包括以下步驟：

第一步：設(shè)置網(wǎng)絡(luò)擴(kuò)展因子σ的取值范圍[σmin,σmax]，設(shè)置σ的取值間距δh；

第二步：取σ0＝σmin，采用樣本集a作為grnn模型的訓(xùn)練樣本，b作為測試樣本，利用建立的grnn模型預(yù)測測試樣本b的所有估計(jì)值計(jì)算測試樣本b的預(yù)測值與實(shí)際值的誤差e1，并令emin＝e1，令最佳訓(xùn)練樣本集為a；

第三步：取σ0＝σmin，采用樣本集b作為grnn模型的訓(xùn)練樣本，a作為測試樣本，利用建立的grnn模型預(yù)測測試樣本a的所有估計(jì)值計(jì)算測試樣本a的預(yù)測值與實(shí)際值的誤差e2，若e2＜e1，則令emin＝e2，令最佳訓(xùn)練樣本集為b；否則令emin＝e1，最佳訓(xùn)練樣本集為a；

第四步：取σ1＝σ0+δh，重復(fù)第二步和第三步過程，如果出現(xiàn)e小于第二步或者第三步中的emin，則σ1優(yōu)于σ0；否則最佳的網(wǎng)絡(luò)擴(kuò)展因子取值仍為σ0；

第五步：在[σmin,σmax]內(nèi)取遍所有的σ值不斷更新測試樣本最小誤差值、最佳訓(xùn)練樣本集、最小擴(kuò)展因子。

本發(fā)明的目的之二是通過以下技術(shù)方案來實(shí)現(xiàn)的，共享直飲水水質(zhì)在線監(jiān)測系統(tǒng)，包括控制參數(shù)選擇單元、建模樣本主元提取單元、歸一化樣本采集獲取單元、grnn模型構(gòu)建單元、grnn模型網(wǎng)絡(luò)擴(kuò)展因子獲取單元和恒定水箱水質(zhì)預(yù)測單元；所述控制參數(shù)選擇單元，選擇恒定水箱內(nèi)影響水質(zhì)的控制參數(shù)，建立神經(jīng)網(wǎng)絡(luò)輸入樣本集；建模樣本主元提取單元，對輸入樣本集用pca主元提取，并獲得新的樣本集；歸一化樣本采集獲取單元，將pca主元提取后的參數(shù)進(jìn)行歸一化處理；

grnn模型構(gòu)建單元，構(gòu)建grnn網(wǎng)絡(luò)模型；grnn模型網(wǎng)絡(luò)擴(kuò)展因子獲取單元，采用grnn進(jìn)行訓(xùn)練，獲取網(wǎng)絡(luò)擴(kuò)展因子；

恒定水箱水質(zhì)預(yù)測單元，運(yùn)用已經(jīng)建立的grnn網(wǎng)絡(luò)模型對進(jìn)行恒定水箱水質(zhì)指標(biāo)預(yù)測。

有益技術(shù)效果：

本發(fā)明為用戶提供一種快速、健康、便捷的共享直飲水裝置及系統(tǒng)，不但可以保證方便喝到飲用水，且真正做到健康、快捷方便飲水，最終實(shí)現(xiàn)共享直飲水自適應(yīng)動(dòng)態(tài)學(xué)習(xí)在線檢測系統(tǒng)。

附圖說明

圖1共享直飲水水質(zhì)自適應(yīng)學(xué)習(xí)在線監(jiān)測方法流程示意圖；

圖2共享直飲水水質(zhì)自適應(yīng)學(xué)習(xí)在線監(jiān)測系統(tǒng)的邏輯結(jié)構(gòu)示意圖。

具體實(shí)施方式

以下將結(jié)合附圖，對本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述；應(yīng)當(dāng)理解，優(yōu)選實(shí)施例僅為了說明本發(fā)明，而不是為了限制本發(fā)明的保護(hù)范圍。

如圖1所示，本發(fā)明提供的共享直飲水水質(zhì)在線監(jiān)測方法包括以下步驟：

s110根據(jù)恒定水箱內(nèi)影響水質(zhì)的控制參數(shù)，建立神經(jīng)網(wǎng)絡(luò)輸入樣本集；

s120根據(jù)實(shí)時(shí)測量的恒定水箱內(nèi)水質(zhì)指標(biāo)，建立神經(jīng)網(wǎng)絡(luò)輸出樣本集；

s130將構(gòu)建的輸入樣本集進(jìn)行主元提取，并獲得新樣本集；

s140將新樣本集進(jìn)行歸一化處理，獲得歸一化樣本集；

s150根據(jù)所述歸一化樣本集構(gòu)建grnn網(wǎng)絡(luò)模型；

s160根據(jù)所述grnn網(wǎng)絡(luò)模型，獲得網(wǎng)絡(luò)擴(kuò)展因子；

s170對實(shí)時(shí)變化的恒定水箱內(nèi)水質(zhì)的影響因素實(shí)現(xiàn)實(shí)時(shí)預(yù)測；根據(jù)恒定水箱水質(zhì)實(shí)時(shí)預(yù)測，實(shí)現(xiàn)共享直飲水水質(zhì)自適應(yīng)動(dòng)態(tài)自學(xué)習(xí)在線監(jiān)測。

上述為本發(fā)明提供的共享直飲水水質(zhì)在線監(jiān)測方法，在步驟s110和步驟s120中，直飲水機(jī)濾芯性能、地區(qū)id號(hào)碼、直飲水機(jī)累計(jì)用水量、水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài)，即獲得建立模型輸入樣本；通過定期質(zhì)檢員巡檢，抽取水箱內(nèi)飲用水水樣進(jìn)行水質(zhì)指標(biāo)檢測(微生物指標(biāo)、毒理指標(biāo)、化學(xué)指標(biāo)、放射性指標(biāo))，并實(shí)時(shí)傳輸?shù)皆贫朔?wù)器，即獲得模型輸出樣本；

其中，影響恒定水箱內(nèi)水質(zhì)的控制參數(shù)如表1和表2所示：

表1參數(shù)及符號(hào)表

表2參數(shù)及符號(hào)表

其中，共享直飲水中過濾器到恒定水箱內(nèi)排除水量的累計(jì)用水量為累計(jì)用水時(shí)間

在步驟s130中，pca主元提?。黄渲?，主元分析算法對狀態(tài)變量x進(jìn)行主元提取，構(gòu)建新的狀態(tài)變量x'＝{xz1,xz2,l,xzm}為m個(gè)狀態(tài)主元分量，每個(gè)狀態(tài)主元分量的維度與所述樣本的數(shù)量相同；

在步驟s140中，數(shù)據(jù)預(yù)處理。利用神經(jīng)網(wǎng)絡(luò)建模過程中，其隱含層節(jié)點(diǎn)函數(shù)為s型函數(shù)，其值域?yàn)閇-1,1]；為提高建模過程精度，故而將所有的采集的樣本進(jìn)行歸一化處理。即：將樣本集的參量值利用線性歸一化方法映射到[-1,1]范圍內(nèi)，得到歸一化的樣本集。

在步驟s150中，根據(jù)所述歸一化樣本集構(gòu)建grnn網(wǎng)絡(luò)模型；

grnn模型方程如下：

其中，表示所有樣本觀測值yi的加權(quán)平均；yi表示觀測值；x網(wǎng)絡(luò)輸入變量；xi表示第i個(gè)神經(jīng)元對應(yīng)的學(xué)習(xí)樣本；σ表示網(wǎng)絡(luò)擴(kuò)展因子；

在步驟s160中，采用所述grnn算法對通過云端服務(wù)器上積累的海量數(shù)據(jù)，獲取神經(jīng)網(wǎng)絡(luò)參數(shù)；云端服務(wù)器上積累的海量數(shù)據(jù)包括，直飲水機(jī)濾芯性能、地區(qū)id號(hào)碼、直飲水機(jī)累計(jì)用水量、水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài)，即獲得建立模型輸入樣本；通過定期質(zhì)檢員巡檢，抽取水箱內(nèi)飲用水水樣進(jìn)行水質(zhì)指標(biāo)檢測(微生物指標(biāo)、毒理指標(biāo)、化學(xué)指標(biāo)、放射性指標(biāo))，并實(shí)時(shí)傳輸?shù)皆贫朔?wù)器，即獲得模型輸出樣本；

利用grnn算法對云端服務(wù)器存儲(chǔ)的海量數(shù)據(jù)進(jìn)行建模，獲取神經(jīng)網(wǎng)絡(luò)參數(shù)過程中，

第一步：設(shè)置網(wǎng)絡(luò)擴(kuò)展因子的取值范圍[σmin,σmax]，設(shè)置σ的取值間距δh；

第二步：取σ0＝σmin，采用樣本集a作為訓(xùn)練樣本構(gòu)建grnn模型，b作為測試樣本，利用建立的grnn模型預(yù)測采樣集b的所有估計(jì)值計(jì)算測試集b的預(yù)測值與實(shí)際值的誤差e1，并令emin＝e1，令最佳訓(xùn)練樣本集為a；

第三步：取σ0＝σmin，采用樣本集b作為grnn模型的訓(xùn)練樣本，a作為測試樣本，利用建立的grnn模型預(yù)測采樣集a的所有估計(jì)值計(jì)算測試集a的預(yù)測值與實(shí)際值的誤差e2，若e2＜e1，則并令emin＝e2，令最佳訓(xùn)練樣本集為b；否則emin＝e1，最佳訓(xùn)練樣本集仍為a；

第四步：取σ1＝σmin+δh，重復(fù)第二步和第三步過程，如果出現(xiàn)e小于第二步或者第三步中的emin，則σ1優(yōu)于σ0；否則最佳的網(wǎng)絡(luò)擴(kuò)展因子取值仍為σ0；

第五步：在[σmin,σmax]內(nèi)取遍所有的σ值不斷更新測試樣本最小誤差值、最佳訓(xùn)練樣本集、最小擴(kuò)展因子。

在步驟s170中，在已知模型的基礎(chǔ)上，對于實(shí)時(shí)變化的恒定水箱內(nèi)水質(zhì)的影響因素實(shí)現(xiàn)恒定水箱水質(zhì)實(shí)時(shí)預(yù)測；

與上述方法相對應(yīng)，本發(fā)明共享直飲水水質(zhì)在線監(jiān)測系統(tǒng)及裝置，圖2示出了根據(jù)本發(fā)明實(shí)施例共享直飲水水質(zhì)在線監(jiān)測系統(tǒng)及裝置邏輯結(jié)構(gòu)。

如圖2所示，共享直飲水水質(zhì)在線監(jiān)測系統(tǒng)，包括控制參數(shù)選擇單元210、建模樣本主元提取單元220、歸一化樣本采集獲取單元230、grnn模型構(gòu)建單元240、grnn模型網(wǎng)絡(luò)擴(kuò)展因子獲取單元250和恒定水箱水質(zhì)預(yù)測單元260；所述控制參數(shù)選擇單元，選擇恒定水箱內(nèi)影響水質(zhì)的控制參數(shù)，建立神經(jīng)網(wǎng)絡(luò)輸入樣本集；建模樣本主元提取單元，對輸入樣本集用pca主元提取，并獲得新的樣本集；歸一化樣本采集獲取單元，將pca主元提取后的參數(shù)進(jìn)行歸一化處理；

grnn模型構(gòu)建單元，構(gòu)建grnn網(wǎng)絡(luò)模型；grnn模型網(wǎng)絡(luò)擴(kuò)展因子獲取單元，采用grnn進(jìn)行訓(xùn)練，獲取網(wǎng)絡(luò)擴(kuò)展因子；

恒定水箱水質(zhì)預(yù)測單元，運(yùn)用已經(jīng)建立的grnn網(wǎng)絡(luò)模型對進(jìn)行恒定水箱水質(zhì)指標(biāo)預(yù)測其中根據(jù)恒定水箱內(nèi)水質(zhì)的影響的控制參數(shù)選擇單元210，參數(shù)包括：直飲水機(jī)濾芯性能、地區(qū)id號(hào)碼、直飲水機(jī)累計(jì)用水量、水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài)，即獲得建立模型輸入樣本；通過定期質(zhì)檢員巡檢，抽取水箱內(nèi)飲用水水樣進(jìn)行水質(zhì)指標(biāo)檢測(微生物指標(biāo)、毒理指標(biāo)、化學(xué)指標(biāo)、放射性指標(biāo))，并實(shí)時(shí)傳輸?shù)皆贫朔?wù)器，即獲得模型輸出樣本；

其中，在本發(fā)明的實(shí)施例中，grnn模型構(gòu)建單元240，

grnn模型方程如下：

其中，表示所有樣本觀測值yi的加權(quán)平均；yi表示觀測值；x網(wǎng)絡(luò)輸入變量；xi表示第i個(gè)神經(jīng)元對應(yīng)的學(xué)習(xí)樣本；σ表示網(wǎng)絡(luò)擴(kuò)展因子；

利用grnn算法對云端服務(wù)器存儲(chǔ)的海量數(shù)據(jù)進(jìn)行建模，獲取網(wǎng)絡(luò)擴(kuò)展因子過程中，

第一步：設(shè)置網(wǎng)絡(luò)擴(kuò)展因子的取值范圍[σmin,σmax]，設(shè)置σ的取值間距δh；

第二步：取σ0＝σmin，采用樣本集a作為訓(xùn)練樣本構(gòu)建grnn模型，b作為測試樣本，利用建立的grnn模型預(yù)測采樣集b的所有估計(jì)值計(jì)算測試集b的預(yù)測值與實(shí)際值的誤差e1，并令emin＝e1，令最佳訓(xùn)練樣本集為a；

第三步：取σ0＝σmin，采用樣本集b作為grnn模型的訓(xùn)練樣本，a作為測試樣本，利用建立的grnn模型預(yù)測采樣集a的所有估計(jì)值計(jì)算測試集a的預(yù)測值與實(shí)際值的誤差e2，若e2＜e1，則并令emin＝e2，令最佳訓(xùn)練樣本集為b；否則emin＝e1，最佳訓(xùn)練樣本集仍為a；

第四步：取σ1＝σmin+δh，重復(fù)第二步和第三步過程，如果出現(xiàn)e小于第二步或者第三步中的emin，則σ1優(yōu)于σ0；否則最佳的網(wǎng)絡(luò)擴(kuò)展因子取值仍為σ0；

第五步：在[σmin,σmax]內(nèi)取遍所有的σ值不斷更新測試樣本最小誤差值、最佳訓(xùn)練樣本集、最小擴(kuò)展因子；取測試樣本誤差最小情況下的σ值、訓(xùn)練樣本集為最優(yōu)的σ值和訓(xùn)練樣本集。

從上面的技術(shù)方案可知，本發(fā)明提供的共享直飲水水質(zhì)在線監(jiān)測系統(tǒng)及方法，在云端服務(wù)器積累的海量數(shù)據(jù)選擇影響恒定水箱內(nèi)水質(zhì)的控制參數(shù)為信息載體，利用grnn方法挖掘輸入樣本(直飲水機(jī)濾芯性能、地區(qū)id號(hào)碼、直飲水機(jī)累計(jì)用水量、水箱內(nèi)水溫歷史溫度實(shí)時(shí)數(shù)據(jù)、實(shí)時(shí)水箱出水口處開關(guān)狀態(tài))和輸出樣本(通過定期質(zhì)檢員巡檢，抽取水箱內(nèi)飲用水水樣進(jìn)行水質(zhì)指標(biāo)檢測微生物指標(biāo)、毒理指標(biāo)、化學(xué)指標(biāo)、放射性指標(biāo))間的關(guān)系；實(shí)現(xiàn)恒定水箱內(nèi)水質(zhì)自適應(yīng)動(dòng)態(tài)自學(xué)習(xí)實(shí)時(shí)水質(zhì)預(yù)測。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并不用于限制本發(fā)明，顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。