基于RBF神经网络的出水氨氮预测研究
针对污水处理中关键水质参数氨氮(NH4+-N)难以在线实时准确检测且实验室取样检测时间长,精度低等问题,提出了基于RBF神经网络的出水氨氮软测量模型研究.首先,选择出对出水氨氮影响较大的辅助变量去预测氨氮的变化,然后,利用梯度下降算法优化RBF网络的结构和参数,结合北京市某污水处理厂的实测数据,对出水氨氮的预测进行仿真并与其他模型对比,结果显示,该模型具有预测误差相对较小,预测准确等优点,说明该预测模型对于氨氮的预测具有一定的实用价值.
径向基函数网络、梯度下降算法、氨氮预测、软测量
23
TP173(自动化基础理论)
国家自然科学基金61203099,61225016;北京市科技计划课题Z141100001414005,Z141101004414058;中国博士后科学基金资助项目2014M550017,XJ2013018;北京市科技新星计划Z131104000413007;北京市朝阳区博士后资助项目2014ZZ-05;北京市朝阳区协同创新项目ZH14000177
2016-11-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
1301-1305