CAST工艺的BP和RBF人工神经网络仿真模型 |
文件大小:0.24MB格式:pdf发布时间:2010-10-22浏览次数:次
【中文关键词】 | CAST工艺 BP人工神经网络 RBF人工神经网络 出水水质 预测   |
【摘要】 | 将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质。误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据。 |
【部分正文预览】 | 建立污水处理工艺的人工神经网络模型是目前污水厂水质预测和自动控制等方面的主要研究方向之一,而神经网络对污水处理后出水水质预测的实质是通过选择适当的神经网络模型,逼近实际系统的动态过程。对于一个污水处理工艺来说,每天的进、出水水质检测数据,反映了其生物处理过程中发生的变化,通过建立神经网络预测模型,对历史资料进行训练,来识别复杂的反应机制,从而可实现处理过程的计算机仿真⋯。笔者通过建立径向基函数(RBF)和基于误差反向传播算法(BP)这两种人工神经网络模型,对污水处理厂的出水水质进行预测,并采用多输入、双输出神经网络,考察了两种模型在不同进水水质和运行参数下对各变量之间的关系及出水水质的预测精度。模型训练和测试的数据都是在污水处理厂的实际运行中得到的。 |
|
| ||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
|
|||||||||||||||
【打印本页】 |