本文關(guān)鍵詞：基于遞歸自組織RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量研究

  更多相關(guān)文章： 污泥膨脹 SVI軟測量 遞歸自組織RBF神經(jīng)網(wǎng)絡(luò) 智能檢測系統(tǒng)

【摘要】：污泥膨脹一直是干擾活性污泥法污水處理工藝安全運行的難題之一,其不僅發(fā)生率高,而且普遍存在。由于污泥膨脹機理復雜,影響因素眾多,很難建立精確的數(shù)學模型;同時,由于污泥膨脹的關(guān)鍵指標污泥容積指數(shù)(Sludge Volume Index,SVI)很難在線檢測,現(xiàn)存污泥膨脹的識別方法存在精度低、滯后時間長、穩(wěn)定性差和維護成本高等缺點。因此,針對污泥膨脹的實時識別問題,文中建立了基于遞歸自組織RBF(Recurrent Self-Organizing RBF,RS-RBF)神經(jīng)網(wǎng)絡(luò)的SVI軟測量模型,完成了污泥膨脹智能檢測系統(tǒng)的設(shè)計,實現(xiàn)了污泥膨脹的有效識別。該論文主要的研究工作包括以下幾點:1.SVI軟測量模型輔助變量選擇;分析污水處理過程中影響污泥沉降的主要因素,根據(jù)污泥沉降性能要求,污水處理過程生化反應機理和污泥膨脹指數(shù)相關(guān)性分析,提取出與SVI相關(guān)的參量。分析相關(guān)性參量的重要性并挖掘出重要參量的信息,將相關(guān)參量表示為SVI軟測量模型的輔助變量,并利用偏最小二乘方法(Partial Least Squares,PLS)確定SVI軟測量模型的主要輔助變量(MLSS、COD、DO、pH、TN)。2.RS-RBF神經(jīng)網(wǎng)絡(luò)設(shè)計;為了提高SVI軟測量模型的精度,文中通過對遞歸RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及承擔任務(wù)變化需求分析,提出一種遞歸RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織設(shè)計方法。該結(jié)構(gòu)增長—修剪機制是基于神經(jīng)網(wǎng)絡(luò)信息處理能力及競爭性分析,判斷增加或刪除遞歸RBF神經(jīng)網(wǎng)絡(luò)隱含層中的神經(jīng)元,實現(xiàn)了遞歸RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在線調(diào)整,提高了遞歸RBF神經(jīng)網(wǎng)絡(luò)的性能。非線性系統(tǒng)建模的實驗結(jié)果表明:提出的RS-RBF神經(jīng)網(wǎng)絡(luò)與其他自組織神經(jīng)網(wǎng)絡(luò)相比,具有更精簡的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和更高的預測精度。3.基于RS-RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量模型研究;針對SVI的在線測量問題,將提出的RS-RBF神經(jīng)網(wǎng)絡(luò)應用于SVI軟測量模型設(shè)計,并提出了一種適合于RS-RBF神經(jīng)網(wǎng)絡(luò)的自適應二階算法(Adaptive Second-Order Algorithm,ASOA),實現(xiàn)了SVI的在線測量。將設(shè)計的SVI軟測量方法應用于實際污水處理過程中試平臺,實驗結(jié)果表明:與傳統(tǒng)的測量方法相比,基于RS-RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量模型需要的先驗知識較少,而且避免了復雜的模型結(jié)構(gòu)辨識問題,可以有效地對SVI進行測量。4.污泥膨脹智能檢測系統(tǒng)設(shè)計;針對目前污泥膨脹尚無實用的檢測系統(tǒng)問題,文中設(shè)計并開發(fā)了一種SVI智能預測系統(tǒng)。該系統(tǒng)主要包括用戶管理模塊、用戶登陸模塊、樣本數(shù)據(jù)管理模塊、模型訓練模塊、模型預測模塊以及模型預警模塊。在軟件設(shè)計方面,首先,利用Visual Studio 2010軟件完成系統(tǒng)界面的設(shè)計,提供模型訓練、模型預測以及模型預警等功能。其次,運用MATLAB軟件以及數(shù)據(jù)庫技術(shù),并嵌入基于RS-RBF神經(jīng)網(wǎng)絡(luò)的SVI智能預測模型,實現(xiàn)了智能預測模型的計算。最后,通過各個模塊之間的信息傳輸,實現(xiàn)SVI預測值的輸出并顯示,達到污泥膨脹預測可視化的目的。
【關(guān)鍵詞】：污泥膨脹 SVI軟測量 遞歸自組織RBF神經(jīng)網(wǎng)絡(luò) 智能檢測系統(tǒng)
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：X703;TP183
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-29
• 1.1 課題背景及研究意義11-13
• 1.1.1 課題背景11-12
• 1.1.2 研究意義12-13
• 1.2 污泥膨脹研究熱點及其檢測技術(shù)研究現(xiàn)狀13-22
• 1.2.1 污泥膨脹概念及相關(guān)理論13-20
• 1.2.2 國內(nèi)外污泥膨脹檢測技術(shù)研究現(xiàn)狀20-22
• 1.3 遞歸神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀22-25
• 1.3.1 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織方法研究現(xiàn)狀23-24
• 1.3.2 遞歸神經(jīng)網(wǎng)絡(luò)算法研究現(xiàn)狀24-25
• 1.4 課題來源25
• 1.5 研究內(nèi)容及論文安排25-29
• 第2章 污泥容積指數(shù)SVI軟測量模型設(shè)計29-39
• 2.1 污泥容積指數(shù)SVI與機理分析29-30
• 2.1.1 污泥容積指數(shù)SVI29
• 2.1.2 機理分析29-30
• 2.2 SVI軟測量原理30-34
• 2.3 輔助變量的確定34-37
• 2.3.1 數(shù)據(jù)采集和預處理34-35
• 2.3.2 輔助變量選取35-37
• 2.4 SVI軟測量模型的建立37-38
• 2.5 本章小結(jié)38-39
• 第3章 RS-RBF神經(jīng)網(wǎng)絡(luò)設(shè)計39-59
• 3.1 遞歸RBF神經(jīng)網(wǎng)絡(luò)39-40
• 3.2 遞歸RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織機制研究40-44
• 3.2.1 結(jié)構(gòu)增長-修剪型遞歸RBF神經(jīng)網(wǎng)絡(luò)40-41
• 3.2.2 神經(jīng)網(wǎng)絡(luò)競爭性分析41-43
• 3.2.3 神經(jīng)元自組織機制43-44
• 3.3 RS-RBF神經(jīng)網(wǎng)絡(luò)44-50
• 3.3.1 結(jié)構(gòu)調(diào)整算法45-47
• 3.3.2 自適應二階算法47-49
• 3.3.3 RS-RBF神經(jīng)網(wǎng)絡(luò)實現(xiàn)流程49-50
• 3.4 收斂性分析50-52
• 3.4.1 結(jié)構(gòu)固定時遞歸RBF神經(jīng)網(wǎng)絡(luò)收斂性分析50-51
• 3.4.2 結(jié)構(gòu)調(diào)整時遞歸RBF神經(jīng)網(wǎng)絡(luò)收斂性分析51-52
• 3.5 實驗結(jié)果及分析52-58
• 3.6 本章小結(jié)58-59
• 第4章 基于RS-RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量研究59-69
• 4.1 基于RS-RBF神經(jīng)網(wǎng)絡(luò)的SVI軟測量模型結(jié)構(gòu)框架59-61
• 4.2 SVI軟測量模型61-63
• 4.2.1 SVI軟測量模型的訓練與預測61-62
• 4.2.2 SVI軟測量模型的校正62
• 4.2.3 SVI軟測量模型評價指標62-63
• 4.3 污泥容積指數(shù)SVI預測實驗及結(jié)果分析63-68
• 4.4 本章小結(jié)68-69
• 第5章 污泥膨脹智能預測系統(tǒng)開發(fā)69-79
• 5.1 系統(tǒng)開發(fā)計劃和需求分析69-71
• 5.1.1 系統(tǒng)開發(fā)計劃69-70
• 5.1.2 系統(tǒng)開發(fā)需求分析70-71
• 5.2 系統(tǒng)開發(fā)方案設(shè)計及關(guān)鍵技術(shù)71-73
• 5.2.1 系統(tǒng)開發(fā)方案設(shè)計71-72
• 5.2.2 系統(tǒng)開發(fā)關(guān)鍵技術(shù)72-73
• 5.3 系統(tǒng)功能設(shè)計及實現(xiàn)73-78
• 5.4 本章小結(jié)78-79
• 結(jié)論與展望79-81
• 參考文獻81-89
• 攻讀碩士學位期間的成果89
• 攻讀碩士學位期間所獲獎勵89-91
• 致謝91

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在鋼鐵工業(yè)中的應用第8講人工神經(jīng)網(wǎng)絡(luò)在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡(luò)在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡(luò)及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡(luò)確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡(luò)狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡(luò)的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡(luò)在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡(luò)進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡(luò)的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡(luò)技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預測方法研究[D];中國地質(zhì)大學(北京);2015年

，

本文編號：556487