GA-BP算法優(yōu)化及其在污水參數(shù)軟測量中的應(yīng)用研究.pdf

1、污水處理過程受到進水水質(zhì)、水量、運行調(diào)控等諸多因素影響，具有非線性、時變、大滯后等特點，難以建立精確的數(shù)學(xué)模型。是一類典型的復(fù)雜工業(yè)過程。并且部分關(guān)鍵水質(zhì)參數(shù)無法在線監(jiān)測，使得污水水質(zhì)監(jiān)測技術(shù)已成為污水處理行業(yè)的一個亟待解決的問題。人工神經(jīng)網(wǎng)絡(luò)由于具有優(yōu)良的非線性逼近特性、并行式分布結(jié)構(gòu)、較好的容錯性以及自適應(yīng)學(xué)習(xí)和歸納能力，特別適用于需要同時考慮許多因素和條件，不精確的、模糊的信息處理。為此，本論文研究了基于神經(jīng)計算學(xué)的污水參數(shù)軟測量

2、方法。
　　論文的主要研究內(nèi)容及方法包括：①首先分析神經(jīng)網(wǎng)絡(luò)和遺傳算法各自的特點；②論文在分析了幾種常見軟測量建模方法的基礎(chǔ)上，提出一種新的軟測量方法—基于 GA-BP神經(jīng)網(wǎng)絡(luò)的污水參數(shù)軟測量模型；③建立基于改進 AGA的BP神經(jīng)網(wǎng)絡(luò)模型。針對神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用中存在的收斂速度慢，網(wǎng)絡(luò)極易陷入局部極值點，初始權(quán)值和閾值的選擇缺乏依據(jù)，具有很大的隨機性，很難選取出具有全局性的初始點的缺點進行了基于改進的自適應(yīng)遺傳算法的神經(jīng)網(wǎng)絡(luò)軟測量

3、建模研究，由遺傳算法優(yōu)化確定BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)閾值，確定一個較好的搜索空間，代替一般初始權(quán)閾值的隨機選取，然后在這個解空間里對網(wǎng)絡(luò)進行訓(xùn)練、學(xué)習(xí)至收斂，搜索出最優(yōu)解或者近似最優(yōu)解；④以某污水處理廠的實測數(shù)據(jù)為訓(xùn)練樣本，對污水處理過程控制參數(shù)及水質(zhì)參數(shù)進行了分析，將該模型應(yīng)用到曝氣池SVI軟測量模型中，針對污水處理過程中不能在線測量的重要參數(shù)曝氣池 SVI進行測量，并將獲得的測量結(jié)果與BP網(wǎng)絡(luò)、GA-BP網(wǎng)絡(luò)等測量結(jié)果進行比較。