基于PSO-ESN神经网络的污水BOD预测
针对污水处理过程具有非线性的特点,建立基于PSO-ESN神经网络的污水处理软测量模型,来对于污水处理关键水质参数BOD(Biochemical Oxygen Demand)进行预测.由于回声状态网络(Echo State Network,ESN)学习算法无法有效解决高维矩阵训练不可逆,采用基于粒子群优化算法对于回声状态神经网络输出权重进行训练,进而有效解决回声状态网络病态解的问题.仿真结果证明,所设计的基于关键水质参数生化需氧量(BOD)软测量模型,其应用在污水处理关键水质参数预测的有效性,且该软测量模型具有较高测量精度.
生化需氧量、回声状态网络、粒子群优化算法、污水处理工程、软测量模型
23
TP27(自动化技术及设备)
国家自然科学基金项目61533002,61225016;北京市科技新星计划Z131104000413007;教育部博士点新教师20121103120020;北京市教育委员会科研计划项目KZ201410005002,KM201410005001;北京市朝阳区协同创新项目ZH14000177;高等学校博士学科点专项科研基金资助课题20131103110016
2016-08-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
463-467