基于神經(jīng)計算學(xué)的污水水質(zhì)軟測量研究.pdf

1、污水處理過程的生產(chǎn)條件惡劣,隨機干擾嚴重,具有強非線性、時變、大滯后等特點,難以建立精確的數(shù)學(xué)模型,且關(guān)鍵水質(zhì)參數(shù)無法在線監(jiān)測,是一類典型的復(fù)雜過程.針對污水處理過程中關(guān)鍵水質(zhì)參數(shù)無法在線監(jiān)測的問題,該論文研究了基于神經(jīng)計算學(xué)的污水水質(zhì)軟測量方法.主要內(nèi)容包括:1.建立基于BP神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)軟測量模型.對比標準BP算法,動量梯度下降反向傳播算法,自適應(yīng)學(xué)習(xí)速率梯度下降反向傳播算法,自適應(yīng)學(xué)習(xí)速率動量梯度下降反向傳播算法,仿真研究結(jié)果

2、表明:自適應(yīng)學(xué)習(xí)速率動量梯度下降反相傳播算法在收斂精度,收斂速度上明顯高于其它三種BP算法,可用于建立BOD軟測量模型.2.提出了一種新的軟測量方法—基于GABP神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)軟測量模型.GABP算法是用局部改進的遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值,其中采用自適應(yīng)學(xué)習(xí)速率動量梯度下降算法對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,計算適應(yīng)度函數(shù),最后對優(yōu)化權(quán)值后的網(wǎng)絡(luò)進行訓(xùn)練.仿真研究結(jié)果表明:與標準BP算法、改進BP算法相比,GABP算法具有收斂速度快、收斂精度

3、高、穩(wěn)定性好等特點.3.提出了一種基于PCA時間延遲神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)BOD的在線預(yù)測方法.其中主元分析PCA實現(xiàn)過程變量的降維和去相關(guān),實現(xiàn)輔助變量的精選,從而達到簡化神經(jīng)網(wǎng)絡(luò)輸入的目的.時間延遲神經(jīng)網(wǎng)絡(luò)通過在網(wǎng)絡(luò)中引入記憶功能,建立動態(tài)神經(jīng)網(wǎng)絡(luò)模型映射停留時間的變化.軟測量模型的在線校正采用短期學(xué)習(xí)和長期學(xué)習(xí)相結(jié)合的方法,提高了模型對過程動態(tài)變化的適應(yīng)能力進而提高軟測量模型的預(yù)測精度.仿真結(jié)果表明該軟測量模型具有較好穩(wěn)定性、實時性、