钦州学院学报
欽州學院學報
흠주학원학보
JOURNAL OF QINZHOU UNIVERSITY
2015年
2期
17-23
,共7页
絮凝%zeta电位%神经网络%建模
絮凝%zeta電位%神經網絡%建模
서응%zeta전위%신경망락%건모
针对造纸中段废水絮凝过程中zeta电位变化复杂,难以建立准确的数学模型的问题,提出利用神经网络对其中的zeta电位进行建模预测,研究了基于BP、Elman、RBF神经网络模型的多输入单输出建模方法.该建模法通过建立待测量zeta电位与絮凝剂投放量之间的非线性函数关系,间接得到待测变量的估计值.仿真结果表明RBF神经网络预测模型有较好的实时性和良好的泛化能力.与BP网络相比,RBF网络具有误差小、计算量小的优点,与Elman网络相比,具有周期短的优点,是一种有效的建模方法,能够快速、准确地在线预测废水中的zeta电位.
針對造紙中段廢水絮凝過程中zeta電位變化複雜,難以建立準確的數學模型的問題,提齣利用神經網絡對其中的zeta電位進行建模預測,研究瞭基于BP、Elman、RBF神經網絡模型的多輸入單輸齣建模方法.該建模法通過建立待測量zeta電位與絮凝劑投放量之間的非線性函數關繫,間接得到待測變量的估計值.倣真結果錶明RBF神經網絡預測模型有較好的實時性和良好的汎化能力.與BP網絡相比,RBF網絡具有誤差小、計算量小的優點,與Elman網絡相比,具有週期短的優點,是一種有效的建模方法,能夠快速、準確地在線預測廢水中的zeta電位.
침대조지중단폐수서응과정중zeta전위변화복잡,난이건립준학적수학모형적문제,제출이용신경망락대기중적zeta전위진행건모예측,연구료기우BP、Elman、RBF신경망락모형적다수입단수출건모방법.해건모법통과건립대측량zeta전위여서응제투방량지간적비선성함수관계,간접득도대측변량적고계치.방진결과표명RBF신경망락예측모형유교호적실시성화량호적범화능력.여BP망락상비,RBF망락구유오차소、계산량소적우점,여Elman망락상비,구유주기단적우점,시일충유효적건모방법,능구쾌속、준학지재선예측폐수중적zeta전위.
