基于多量子滤波器的QCNN算法预测厌氧消化性能

摘要：

厌氧消化是可再生能源生产中一种具有前景的技术,沼气是由有机废物通过厌氧消化产生的生物能源,预测厌氧消化产生的沼气产量并进行管控是必要的.设计了一种具有短期记忆的多量子滤波器量子卷积神经网络,利用参数化变分量子电路接受数据"时间窗"以模拟短期记忆,并在多量子滤波结构中舍弃过多的线路迭代和参数数量使其具有更高的表达性.在量子线路框架中,设计了最优的卷积、池化层线路,能够更好地提取特征因子中的隐藏状态;同时对废物管理数据进行严格的预处理,通过指数平滑去除特征中趋势和季节性.该算法的精度达到了83.30％,比CNN模型精度提升了8％,RMSE和MAE值也均优于ANN、KNN、CNN等经典模型.

关键词：厌氧消化、多量子滤波器、短期记忆、变分量子电路

所属期刊栏目：51

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;重庆市教委科学技术研究项目;重庆市技术创新与应用发展项目;重庆市技术预见与制度创新项目

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：651-659