控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2014年
6期
873-877
,共5页
污泥膨胀%污泥体积指数%软测量%改进型PSO-BP神经网络
汙泥膨脹%汙泥體積指數%軟測量%改進型PSO-BP神經網絡
오니팽창%오니체적지수%연측량%개진형PSO-BP신경망락
sludge bulking%sludge volume index%soft measurement%PSO-BP
针对曝气池污泥体积指数(SVI)难于在线测量的情况,提出了一种基于改进型的BP神经网络对SVI软测量的模型,该模型利用改进粒子群优化算法对BP神经网络进行权值调整.为了提高BP神经网络的学习性能,使粒子群的惯性权值按照对数规律变化,同时引入自适应变异算子对局部最优的粒子进行变异,然后利用粗糙集理论消除冗余信息,得到输入变量.该模型对实际污水厂的SVI值进行软测量预测,并与其它软测量模型进行比较,结果表明了该软测量模型具有较好的精度.
針對曝氣池汙泥體積指數(SVI)難于在線測量的情況,提齣瞭一種基于改進型的BP神經網絡對SVI軟測量的模型,該模型利用改進粒子群優化算法對BP神經網絡進行權值調整.為瞭提高BP神經網絡的學習性能,使粒子群的慣性權值按照對數規律變化,同時引入自適應變異算子對跼部最優的粒子進行變異,然後利用粗糙集理論消除冗餘信息,得到輸入變量.該模型對實際汙水廠的SVI值進行軟測量預測,併與其它軟測量模型進行比較,結果錶明瞭該軟測量模型具有較好的精度.
침대폭기지오니체적지수(SVI)난우재선측량적정황,제출료일충기우개진형적BP신경망락대SVI연측량적모형,해모형이용개진입자군우화산법대BP신경망락진행권치조정.위료제고BP신경망락적학습성능,사입자군적관성권치안조대수규률변화,동시인입자괄응변이산자대국부최우적입자진행변이,연후이용조조집이론소제용여신식,득도수입변량.해모형대실제오수엄적SVI치진행연측량예측,병여기타연측량모형진행비교,결과표명료해연측량모형구유교호적정도.
