基于神經計算學的污水水質軟測量研究.pdf

1、污水處理過程的生產條件惡劣,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)學模型,且關鍵水質參數(shù)無法在線監(jiān)測,是一類典型的復雜過程.針對污水處理過程中關鍵水質參數(shù)無法在線監(jiān)測的問題,該論文研究了基于神經計算學的污水水質軟測量方法.主要內容包括:1.建立基于BP神經網絡的污水水質軟測量模型.對比標準BP算法,動量梯度下降反向傳播算法,自適應學習速率梯度下降反向傳播算法,自適應學習速率動量梯度下降反向傳播算法,仿真研究結果

2、表明:自適應學習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神經網絡的污水水質軟測量模型.GABP算法是用局部改進的遺傳算法來優(yōu)化神經網絡權值,其中采用自適應學習速率動量梯度下降算法對神經網絡進行訓練,計算適應度函數(shù),最后對優(yōu)化權值后的網絡進行訓練.仿真研究結果表明: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時間延遲神經網絡的污水水質BOD的在線預測方法.其中主元分析PCA實現(xiàn)過程變量的降維和去相關,實現(xiàn)輔助變量的精選,從而達到簡化神經網絡輸入的目的.時間延遲神經網絡通過在網絡中引入記憶功能,建立動態(tài)神經網絡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習和長期學習相結合的方法,提高了模型對過程動態(tài)變化的適應能力進而提高軟測量模型的預測精度.仿真結果表明該軟測量模型具有較好穩(wěn)定性、實時性、