尊敬的审查员：

您好！

我已经认真阅读对于一种深度信念网络的印染车间VOCs监测预警系统在2019年12月31日下达的第一次审查意见通知书，所述气体检测仪固定于其所属监测区域的印染机器上，所述单片机输入端电性连接于气体检测仪上，且单片机的输出端电性连接于网络学习机构上；网络学习机构包括CPU、深度信念网络和蓝牙模块，所述CPU与单片机电性连接，所述深度信念网络设置于CPU中，CPU通过蓝牙模块与预警机构电性连接；预警机构包括蓝牙配对模块、控制器和报警器，所述蓝牙配对模块与蓝牙模块通过无线信号连接，所述控制器一端与蓝牙配对模块电性连接，且控制器另一端与报警器相连，且每一个印染机器上均设置有一个报警器。所述深度信念网络通过训练学习气体检测仪数据，得到深度信念网络模型。所述深度信念网络选择气体检测仪的检测数值作为预测输出，确定与气体检测仪相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络模型和验证该模型；建立深度信念网络模型的结构，并设计模型参数；所述深度信念网络模型由多层连续型限制玻尔兹曼机组成。将印染车间100等面积的分为多个监测区域。分组监测机构1设置有六组，每个印染车间100的监测区域内有一组分组监测机构1。分组监测机构1包括气体检测仪11和单片机12，气体检测仪11固定于其所属监测区域的印染机器200上，单片机12输入端电性连接于气体检测仪11上，且单片机12的输出端电性连接于网络学习机构2上，通过选型为80C51型号的单片机12将气体检测仪11测得的数据传输至CPU 21中去。网络学习机构2包括CPU21、深度信念网络22和蓝牙模块23，CPU21与单片机12电性连接，深度信念网络22设置于CPU21中，深度信念网络22通过训练学习气体检测仪11数据，所述深度信念网络22选择气体检测仪11的检测数值作为预测输出，确定与气体检测仪11相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络22模型和验证该模型。建立深度信念网络22模型的结构，并设计模型参数；所述深度信念网络22模型由多层连续型限制玻尔兹曼机组成，得到深度信念网络22模型，当气体检测仪11检测到的数据为一个数值时，此时后台监测到VOCs排放量较大的为哪一台印染机器200，是本监测区域内的印染机器200，还是相邻区域的印染机器200，通过深度信念网络22模型的学习训练，使得下次整个系统在工作过程中，通过某一个区域内的气体检测仪11检测出来的VOCs数据值，直接得到排放量大的那一台印染机器200，CPU21通过蓝牙模块23与预警机构3电性连接，使得蓝牙无线信号可以直接远程操控，控制安装在该台印染机器200上的警报器33响起，实现预警。预警机构3包括蓝牙配对模块31、控制器32和报警器33，蓝牙配对模块31与蓝牙模块23通过无线信号连接，控制器32一端与蓝牙配对模块31电性连接，且控制器32另一端与报警器33相连，且每一个印染机器200上均设置有一个报警器33。通过CPU和深度信念网络设置，对多组分组监测机构得到的VOCs数据进行训练和学习，得到深度信念网络模型，从而在后续的监测过程中，只要得到任意一个气体检测仪测得的VOCs数据，即可通过深度 信念网络模型得到对应的准确的高排量的印染机器，实用性很强，非常值得推广。

申请人希望，上述说明能够有助于澄清审查员所指出的问题。如有不妥或欠周之处，敬请指正，申请人愿意以最大的诚意积极配合审查员的工作，以加快审查进程。

最后，申请人对审查员认真细致的工作再次表示由衷的感谢!