10.19713/j.cnki.43-1423/u.T20210589
基于PSO-BP神经网络的隧道绿色建造污水处理预测模型
隧道施工过程中产生的污水的无害化处理对于维护周边自然生态环境有着重要意义.为了实现对隧道污水处理后浊度大小的实时准确预测,保证排放的污水能够满足国家相关标准,采用粒子群算法(PSO)对BP神经网络的初始阈值和权值进行优化,以污水的原水浊度、投药量、聚丙烯酰胺的分子量、搅拌速度、pH值和搅拌时间6个主要参数为输入,以处理后污水的浊度大小为输出,建立PSO-BP隧道污水处理浊度预测模型.为了验证优化后模型的有效性和可靠性,以桂柳高速公路隧道施工现场的污水处理数据为测试集,采用BP神经网络模型进行对比验证分析,研究结果表明:PSO-BP神经网络模型能够有效地对隧道施工污水处理后的浊度大小进行预测,平均相对误差为8.86%,预测值和实际值的拟合度(R2)为0.949,在预测精度和泛化能力上均明显优于BP神经网络,解决了BP神经网络容易陷入局部最优的问题.基于提出的PSO-BP预测模型构建隧道施工污水处理智能预测系统,实现了对桂柳高速公路隧道施工污水处理参数的灵活调整,有效解决了实际隧道工程中施工污水处理后浊度去除效果不佳的问题,对于隧道绿色施工过程中的水污染防治具有参考价值.
隧道工程、BP神经网络、隧道施工污水、粒子群优化算法
19
U455(隧道工程)
国家自然科学基金;湖南省自然科学基金资助项目
2022-06-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
1450-1458