隨著治水提質(zhì)工作計劃的開展,國內(nèi)許多城市明確提出現(xiàn)有污水處理廠出水標(biāo)準(zhǔn)需達到一級A及以上,總氮是其中主要考核指標(biāo)之一。由于總氮未列出國家減排指標(biāo)內(nèi),大多數(shù)污水處理廠均存在過曝現(xiàn)象,從而導(dǎo)致總氮無法達標(biāo)。因此,建立一種對污水處理出水總氮的預(yù)測方法,可以幫助污水處理廠的運行人員有效的提高運營水平。根據(jù)國內(nèi)外研究可知,早期的預(yù)測方法多為白箱模型,即利用活性污泥模型及一些商業(yè)軟件對出水水質(zhì)進行預(yù)測。隨著計算機技術(shù)的發(fā)展,數(shù)據(jù)挖掘方法逐漸成熟,其中神經(jīng)網(wǎng)絡(luò)算法備受學(xué)者青睞,誤差反向傳播神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)網(wǎng)絡(luò)陸續(xù)被應(yīng)用于出水水質(zhì)預(yù)測領(lǐng)域。針對現(xiàn)有研究的不足之處,本文結(jié)合深度神經(jīng)網(wǎng)絡(luò)對出水水質(zhì)進行研究:(1)采用準(zhǔn)確的進出水?dāng)?shù)據(jù)作為訓(xùn)練集和測試集,建立誤差反向傳播神經(jīng)網(wǎng)絡(luò)模型,用來對出水總氮進行預(yù)測,結(jié)果表明進水加上部分出水指標(biāo)的預(yù)測精度高于只用進水作為輸入值得預(yù)測效果。(2)為減少運算量,采用主成分分析方法對數(shù)據(jù)進行降維處理,結(jié)果表明進水p H、水量對主成分的貢獻率很低,可在誤差反向傳播神經(jīng)網(wǎng)絡(luò)預(yù)測出水總氮時可以被忽略,不會影響預(yù)測精度。為解決傳統(tǒng)誤差反向傳播神經(jīng)網(wǎng)絡(luò)易陷入局部極...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 項目概況
    1.2 研究背景與意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 研究內(nèi)容
第2章 研究材料和方法
    2.1 數(shù)據(jù)來源
        2.1.1 深圳某污水廠簡介
        2.1.2 進出水?dāng)?shù)據(jù)分析
    2.2 軟件平臺和硬件配置
    2.3 本章小結(jié)
第3章 基于BP神經(jīng)網(wǎng)絡(luò)的出水總氮預(yù)測
    3.1 前言
    3.2 BP網(wǎng)絡(luò)預(yù)測結(jié)果
        3.2.1 BP模型結(jié)構(gòu)
        3.2.2 BP模型預(yù)測結(jié)果
    3.3 PCA對輸入數(shù)據(jù)降維優(yōu)化
        3.3.1 PCA的基本概念
        3.3.2 PCA-B-BP模型預(yù)測結(jié)果
    3.4 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測出水總氮
        3.4.1 遺傳算法的基本原理
        3.4.2 GA-BP模型預(yù)測結(jié)果
    3.5 PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測出水總氮
        3.5.1 粒子群算法的基本原理
        3.5.2 PSO-BP模型預(yù)測結(jié)果
    3.6 本章小結(jié)
第4章 基于深度神經(jīng)網(wǎng)絡(luò)的出水總氮預(yù)測
    4.1 前言
    4.2 DBN網(wǎng)絡(luò)預(yù)測結(jié)果
        4.2.1 CRBM模型結(jié)構(gòu)
        4.2.2 CDBN模型結(jié)構(gòu)
        4.2.3 CDBN模型預(yù)測結(jié)果
    4.3 LSTM網(wǎng)絡(luò)預(yù)測
        4.3.1 LSTM模型結(jié)構(gòu)
        4.3.2 LSTM模型預(yù)測結(jié)果
    4.4 本章小結(jié)
結(jié)論
參考文獻
附錄
致謝
個人簡歷



本文編號：3852861