基于神經(jīng)計(jì)算學(xué)的污水水質(zhì)軟測(cè)量研究.pdf

1、污水處理過(guò)程的生產(chǎn)條件惡劣,隨機(jī)干擾嚴(yán)重,具有強(qiáng)非線性、時(shí)變、大滯后等特點(diǎn),難以建立精確的數(shù)學(xué)模型,且關(guān)鍵水質(zhì)參數(shù)無(wú)法在線監(jiān)測(cè),是一類(lèi)典型的復(fù)雜過(guò)程.針對(duì)污水處理過(guò)程中關(guān)鍵水質(zhì)參數(shù)無(wú)法在線監(jiān)測(cè)的問(wèn)題,該論文研究了基于神經(jīng)計(jì)算學(xué)的污水水質(zhì)軟測(cè)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(cè)量模型.對(duì)比標(biāo)準(zhǔn)BP算法,動(dòng)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(dòng)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(dòng)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(cè)量模型.2.提出了一種新的軟測(cè)量方法—基于GABP神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)軟測(cè)量模型.GABP算法是用局部改進(jìn)的遺傳算法來(lái)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(dòng)量梯度下降算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,計(jì)算適應(yīng)度函數(shù),最后對(duì)優(yōu)化權(quán)值后的網(wǎng)絡(luò)進(jìn)行訓(xùn)練.仿真研究結(jié)果表明:與標(biāo)準(zhǔn)BP算法、改進(jìn)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(diǎn).3.提出了一種基于PCA時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的污水水質(zhì)BOD的在線預(yù)測(cè)方法.其中主元分析PCA實(shí)現(xiàn)過(guò)程變量的降維和去相關(guān),實(shí)現(xiàn)輔助變量的精選,從而達(dá)到簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)輸入的目的.時(shí)間延遲神經(jīng)網(wǎng)絡(luò)通過(guò)在網(wǎng)絡(luò)中引入記憶功能,建立動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型映射停留時(shí)間的變化.軟測(cè)量模型的在線校正采用短期學(xué)習(xí)和長(zhǎng)期學(xué)習(xí)相結(jié)合的方法,提高了模型對(duì)過(guò)程動(dòng)態(tài)變化的適應(yīng)能力進(jìn)而提高軟測(cè)量模型的預(yù)測(cè)精度.仿真結(jié)果表明該軟測(cè)量模型具有較好穩(wěn)定性、實(shí)時(shí)性、