基于改进AGA-BPNN的工业污水BOD5浓度预测模型

摘要：

生物需氧量(BOD)浓度为工业污水处理工艺中的重要指标,针对传统污水仪器测量技术在工作环境恶劣、季节性多变等情况下,难以对BOD浓度实时在线监测.本文提出了基于改进AGA-BPNN的工业污水BOD5浓度预测模型,首先以BP神经网络作为基本框架,在原有的自适应遗传算法基础上(AGA),加入阶段参数,调整不同进化阶段的遗传参数设置,提高样本有效性;然后使用改进的交叉率、变异率计算方法,加入自适应的变异点数量,提高遗传算法的泛化能力.在实验结果表明,本文方法对加州大学数据库(UCI)进行测试,预测准确率达到92.77％,高于传统AGA-BP神经网络预测精度.

关键词：工业污水;神经网络;自适应算法;BOD浓度

分类号：TP183(自动化基础理论)

资助基金：佛山市科技创新团队项目FS0AA-KJ919-4402-0062

在线出版日期：2022-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15-21