本文關(guān)鍵詞：基于HS-RBF的污水處理出水COD軟測(cè)量研究

  更多相關(guān)文章： 污水處理 軟測(cè)量 COD RBF神經(jīng)網(wǎng)絡(luò) 和聲搜索算法

【摘要】：污水處理系統(tǒng)是涉及物理、化學(xué)、生物和環(huán)境科學(xué)等多個(gè)領(lǐng)域的非線性復(fù)雜系統(tǒng)�；瘜W(xué)需氧量COD(Chemical Oxygen Demand)是一項(xiàng)能夠直接反映水體受有機(jī)污染程度的重要指標(biāo)。由于污水處理系統(tǒng)各因素條件的復(fù)雜性,以及儀表檢測(cè)技術(shù)的發(fā)展水平限制,雖然目前國(guó)內(nèi)外已有部分廠家研制出了COD快速檢測(cè)和在線儀器,但是它們價(jià)格昂貴,維護(hù)費(fèi)用較高,并且易受水質(zhì)影響,誤差較大,難以得到大范圍的推廣。針對(duì)這一問題,本論文提出了一種基于HS-RBF(Harmony Search,HS)神經(jīng)網(wǎng)絡(luò)的COD軟測(cè)量模型,并實(shí)現(xiàn)污水出水COD值的預(yù)測(cè)估計(jì)�，F(xiàn)將主要工作歸納如下:1.在介紹污水處理檢測(cè)技術(shù)和軟測(cè)量技術(shù)發(fā)展的基礎(chǔ)上,本文通過(guò)對(duì)污水處理系統(tǒng)工藝和原理的深入研究分析,獲取適用于COD軟測(cè)量建模的輔助變量。本文對(duì)采集到的數(shù)據(jù)進(jìn)行歸一化處理,主元分析法篩選后,將輔助變量由7維數(shù)據(jù)降為5維,分別建立基于RBF和BP神經(jīng)網(wǎng)絡(luò)的軟測(cè)量模型。研究結(jié)果顯示,降維后比降維前的軟測(cè)量模型具有更好的預(yù)測(cè)能力,RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型具有更高的預(yù)測(cè)精度和更優(yōu)的泛化能力。2.針對(duì)RBF神經(jīng)網(wǎng)絡(luò)存在的隱含層相關(guān)參數(shù)對(duì)函數(shù)的泛化能力影響很大的問題,引入和聲搜索優(yōu)化算法對(duì)其進(jìn)行優(yōu)化。為了縮短收斂時(shí)間,提高和聲算法在優(yōu)化過(guò)程中的全局搜素能力,本文在總結(jié)基本和聲算法和前人工作的基礎(chǔ)上進(jìn)行了部分參數(shù)和算法結(jié)構(gòu)新的調(diào)整,提出GADHS(Global-best Additional Disturbed Harmony Research)算法,并將其與多種改進(jìn)和聲算法進(jìn)行benchmark標(biāo)準(zhǔn)尋優(yōu)函數(shù)測(cè)試,表現(xiàn)出更好的搜索性能。3.利用改進(jìn)的和聲搜索算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)據(jù)中心、擴(kuò)展常數(shù)和輸出層權(quán)值進(jìn)行優(yōu)化。仿真及研究結(jié)果表明,引入改進(jìn)的和聲算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后,模型的準(zhǔn)確性、穩(wěn)定性及泛化能力都得到了明顯的改進(jìn),GADHS-RBF軟測(cè)量模型具有最好的預(yù)測(cè)能力。通過(guò)與污水處理廠實(shí)際數(shù)據(jù)比較顯示,該模型具有較高的預(yù)測(cè)精度,滿足相關(guān)規(guī)范要求。本論文的研究工作對(duì)將來(lái)污水處理出水水質(zhì)在線測(cè)量的研究具有重要的參考價(jià)值。
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：X703;TP183

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李晉賢;基于HS-RBF的污水處理出水COD軟測(cè)量研究[D];西南科技大學(xué);2017年

，

本文編號(hào)：1258530