基于改进BP网络与MISO模型的污水系统建模 |
文件大小：0.21MB格式：pdf发布时间：2013-03-23浏览次数：次
| 【中文关键词】 | 污水处理 建模 神经网络：优化与控制 |
| 【摘要】 | 利用共轭梯度学习算法改善了BP神经网络的性能，并提出四层BP网络用于污水处理过程水质指标的建模和模拟，在一定程度上避免了采用负梯度方向学习算法收敛速度慢和易陷于局部极小点的缺点，提高了模型的精度，在处理大量数据和在线控制时显得尤为重要；利用改进后的BP网络对某污水处理厂的进出水水质建立了MIMO和MISO模型，并进行了对比和评价分析。 |
| 【部分正文预览】 | 污水处理过程影响因素很多，是一个复杂的开放式的环境系统，虽然国内外对污水处理系统进行了大量的研究，并已经开发出了针对某些污水处理工艺系统的数学模型，但由于参数因子多而很难直接应用于污水处理过程的模拟建模与控制。 |
|
| ||||||||||||||
|
|||||||||||||||
|
|
|||||||||||||||
|
|||||||||||||||
|
【打印本页】 |
|||||||||||||||
