基于ANN的SBBR短程硝化过程仿真研究

摘要：

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB语言环境下建立了进水NH4+-N、DO、温度以及外加碳源与出水NH4+-N和NO2-N之间的非线性映射函数关系.确立了相关的动态模型.结合最优化网络模型运行参数.对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅有13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系.进水NH4+-N和温度对短程硝化过程表现出较大的影响.

关键词：人工神经网络、误差反向传播算法、自适应学习率、短程硝化

所属期刊栏目：28

分类号：X703(一般性问题)

资助基金：国家重点基础研究发展计划973计划2005CB724203;国家自然科学基金50478053

在线出版日期：2008-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：694-698