尊敬的审查员:

首先感谢您对本申请的认真审查。对于审查员的意见,申请人进行了认真的研读,针对审查意见中提出的问题做如下陈述:

一、修改。

删除原权利要求1,将权利要求23的技术方案合并作为新的权利要求1,其他权利要求的序号和引用关系适应性修改。本次修改没有超出原权利要求书和原说明书的范围,符合专利法第三十三条的规定。

二、意见陈述。

修改后的权利要求1与对比文件1的主要区别技术特征为:所述污水处理系统收集到的数据包括:进水生物需氧量(BOD),化学需氧量(COD),氨氮(NH3-N),总氮(TN), 总磷(TP),悬浮物(SS)以及出水COD;数据预处理包括降噪、剔除异常值、平滑以及标准化处理;

所述卷积自编器极限学习机进行学习的具体步骤如下:

a、对输入样本数据做卷积计算,得到相应的卷积矩阵;

b、将得到卷积矩阵,利用卷积自编器,自动编码输出,得到卷积自动编码器第一层输出;

c、将第一层的输出作为第二层的输入,重复步骤ab,得到第二层的输出;

d、重复步骤c,将上一层的输出作为下一层的输入进行学习,直到最后一层,得到第n层的输出,最终得到n个卷积自动编码器堆栈;

e、将n层的输出作为极限学习机的输入,极限学习机的输出作为学习的结果。

通过上述区别技术特征,对输入样本数据预处理后取其卷积,得到卷积矩阵,再将所得到卷积矩阵输入卷积自编码器和极限学习机进行训练,最终得到预测结果,能及时发现污水处理工艺中所存在的问题,实现了污水处理过程中出水水质在线、快速、精确预警,具有突出的实质性特点。对比文件2公开了卷积映射的具体方法,但是与本专利申请的步骤不同,其为生成随机的卷积核后,进行卷积核降采样操作,生成该阶段的卷积特征映射;生成随机的自动编码机神经元的初始权值,自动编码机的输入和输出均作为上一阶段的卷积映射特征;用最小二乘法求解后一层网络和最终输出值之间的权值。因此,尽管与本申请的理论相似,但是具体的实现步骤不同,具体的实现构架也不相同,不能够起到技术其实,也就是说本申请相对于现有技术、对比文件1、对比文件2的结合具备非显而易见性,具有突出的实质性特点和显著的技术进步,符合专利法二十二条第三款的创造性。

综上,在修改后的权利要求1具备创造性的前提下,其从属权利要求2-6也具备创造性。

请审查员在以上答复的基础上继续对本申请进行审查,如仍有其他形式或实质问题,请审查员进一步指正,申请人愿配合修改和/或陈述意见。