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

1、污水處理過(guò)程受到進(jìn)水水質(zhì)、水量、運(yùn)行調(diào)控等諸多因素影響，具有非線(xiàn)性、時(shí)變、大滯后等特點(diǎn)，難以建立精確的數(shù)學(xué)模型。是一類(lèi)典型的復(fù)雜工業(yè)過(guò)程。并且部分關(guān)鍵水質(zhì)參數(shù)無(wú)法在線(xiàn)監(jiān)測(cè)，使得污水水質(zhì)監(jiān)測(cè)技術(shù)已成為污水處理行業(yè)的一個(gè)亟待解決的問(wèn)題。人工神經(jīng)網(wǎng)絡(luò)由于具有優(yōu)良的非線(xiàn)性逼近特性、并行式分布結(jié)構(gòu)、較好的容錯(cuò)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(shí)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(jì)算學(xué)的污水參數(shù)軟測(cè)量

2、方法。
　　論文的主要研究?jī)?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(diǎn)；②論文在分析了幾種常見(jiàn)軟測(cè)量建模方法的基礎(chǔ)上，提出一種新的軟測(cè)量方法—基于 GA-BP神經(jīng)網(wǎng)絡(luò)的污水參數(shù)軟測(cè)量模型；③建立基于改進(jìn) AGA的BP神經(jīng)網(wǎng)絡(luò)模型。針對(duì)神經(jīng)網(wǎng)絡(luò)在實(shí)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(diǎn)，初始權(quán)值和閾值的選擇缺乏依據(jù)，具有很大的隨機(jī)性，很難選取出具有全局性的初始點(diǎn)的缺點(diǎn)進(jìn)行了基于改進(jìn)的自適應(yīng)遺傳算法的神經(jīng)網(wǎng)絡(luò)軟測(cè)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(gè)較好的搜索空間，代替一般初始權(quán)閾值的隨機(jī)選取，然后在這個(gè)解空間里對(duì)網(wǎng)絡(luò)進(jìn)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(chǎng)的實(shí)測(cè)數(shù)據(jù)為訓(xùn)練樣本，對(duì)污水處理過(guò)程控制參數(shù)及水質(zhì)參數(shù)進(jìn)行了分析，將該模型應(yīng)用到曝氣池SVI軟測(cè)量模型中，針對(duì)污水處理過(guò)程中不能在線(xiàn)測(cè)量的重要參數(shù)曝氣池 SVI進(jìn)行測(cè)量，并將獲得的測(cè)量結(jié)果與BP網(wǎng)絡(luò)、GA-BP網(wǎng)絡(luò)等測(cè)量結(jié)果進(jìn)行比較。