基于鲸鱼算法优化的BP神经网络的尿液成分浓度预测方法

针对尿液成分浓度实时分析精度低的问题,提出了一种颜色传感器结合WOA算法优化BP神经网络的预测方法。利用颜色传感器采集尿液试纸条上各试剂块的RGB值,并通过白平衡原理校准数据,利用Kubelka-Munk和Beer-Lambert定律构建反射光与浓度的关系。通过参数优化模型最小化目标函数以消除系统误差,基于最小二乘法建立色标卡颜色值与浓度的数学模型。采用WOA算法优化神经网络的权重和阈值,并使用大量数据训练BP神经网络对颜色值与浓度进行回归分析。实验结果表明,预测值与真实值的MAE为3.1415,RMSE为4.328,R2接近1,WOABP神经网络模型对尿液成分浓度预测具有高精度和准确性。