- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
?
?
基于AK-RBF神经网络的出水氨氮软测量方法研究
?
?
赵豆豆张伟黄卫民张春辉
摘要:为解决污水处理过程出水氨氮难以精确测量问题,提出一种基于自适应核函数RBF神经网络的出水氨氮软测量方法。由于隐层激活函数对神经网络性能影响较大,AK-RBF神经网络将基于欧几里得的高斯核与余弦核通过线性组合形成新的隐层神经元激活函数。网络参数学习采用梯度下降算法推导的迭代公式更新以提高网络预测精度。仿真实验表明,基于AK-RBF神经网络的出水氨氮软测量方法能够在线预测出水氨氮,比RBF神经网络具有更高的预测精度和更好的自适应能力。
关键词:RBF神经网络;自适应核;氨氮预测;欧氏距离和余弦距离
DOI:10.11907/rjdk.201029
:TP301:A:1672-7800(2020)010-0034-05
Abstract:Inordertosolvetheproblemthatitisdifficulttomeasureammonianitrogenaccurately,softmeasurementofammonianitrogenineffluentbasedonAK-RBFisproposedinthispaper.Theperformanceofneuralnetworkisinfluencedbythehiddenlayeractivationfunction,AK-RBFwhichisthebasisfunctionutilizesalinearcombinationofEuclideandistancebasedGaussiankernelandcosinekernel.Toimprovethepredictionaccuracyofthenetwork,thegradientdescentalgorithmisusedtonetworkparameterlearningofAK-RBFnetwork.Theon-linepredictionofammonianitrogenineffluentcanberealizedbythemethodmentionedinthepaper,themethodhashigherpredictionaccuracyandbetteradaptiveabilitythanRBF,whichhasshownintheammonianitrogensimulationinsewagetreatment.
KeyWords:RBFneuralnetwork;adaptivekernel;ammonianitrogenprediction;Euclideandistanceandcosinedistance
0引言
氨氮浓度是污水处理重要指标之一,含氨氮污水的排放可导致水体富营养化、水质恶化,影响人类健康[1],污水中氨氮浓度的准确测量对污水处理系统稳定运行起着重要作用。基于物理化学方法[2-6]的检测仪器存在价格昂贵、后期不易维护和费用高等缺点,且检测精度不高,不能实现在线测量。由于污水处理是一个复杂的非线性时变过程,很难建立精确的出水氨氮机理模型,采用基于数据驱动软测量方法[7]可避免建立精确数学模型问题,易于在线提高预测精度,因此在水体氨氮含量预测中广泛应用[8]。
卿晓霞等[9]构建基于RS-BP神经网络的软测量模型,该模型实现污泥容积指数SVI预测,但是此软测量模型本身数据处理能力差,预测效果不能满足要求;杨琴等[10]建立基于BP神经网络的氨氮浓度预测模型,与传统的统计建模方法相比,数据驱动模型的BP网络预测精度有所提高,但BP神经网络存在收敛速度慢和容易陷入局部极小值等缺点,导致预测精度较低。RBF网络具有非线性映射能力较强、收敛速度快且不易陷入局部最小值等优势,Mirbagheri等[11]使用RBF神经网络对废水性能进行评价,并模拟出水质参数,实验证明RBF神经网络预测精度优于BP神经网络,然而这种网络结构需要事先通过人工经验或凑试法确定;乔俊飞等[12]通过对比4种神经网络在污水处理过程中动态建模的训练和测试误差,发现递归RBF神经网络测试误差最小、精度最高,但是递归网络结构复杂,且加入反馈环节使网络泛化能力变差;Ráduly等[13]选用典型的前馈神经网络对出水生物需氧量BOD和化学需氧量COD进行软测量,但因网络结构简单导致预测存在较大误差,测量精度有待提
您可能关注的文档
- 《基础会计》教学之三斧法探讨.docx
- 公路工程软土地基处理技术.docx
- 高中数学课件:2第七章随机变量及其分布章末总结第一课时.pdf
- 社区健康管理的意义.doc
- 西吉县第一小学 南海帆2021年课题评审书 1 1 .doc
- 高中数学课件:2随机变量及其分布章末小结第二课时.pdf
- 2024-2025学年福建省泉州市德化县市级名校中考模拟金典卷英语试题(十一)试题含答案.doc
- 社区矫正请假保证书.docx
- 物理②必修5.2《平抛运动》PPT课件.ppt
- 高中数学课件:1-2集合间的基本关系.pdf
- 社区建设的目的和意义.doc
- 高中数学课件:3《1-4-2用空间向量研究距离夹角问题第一课时》0.pdf
- 西吉一小四年级英语质量监测分析.doc
- 2024-2025学年甘肃省临夏市市级名校初三下学期第一次模拟-英语试题试卷含答案.doc
- 物理知识点总结归纳八年级上册物理2023年.doc
- 高中数学课件:1-1-1空间向量及其线性运算.pdf
- 社区街道季度工作总结.docx
- 西吉县 周琰 小学英语教学中美育的实践研究 .pdf
- 2024-2025学年甘肃省兰州市联片重点达标名校初三下第二次测试(英语试题理)试题含答案.doc
- 2024-2025学年福建厦门双十中学初三下学期第二次质检英语试题含答案.doc
文档评论(0)