![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-2/24/2/bfe185ec-13f4-407a-870a-af7a4e432717/bfe185ec-13f4-407a-870a-af7a4e432717pic.jpg)
![基于遞階遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化及其在污水脫氮過程軟測量中的應(yīng)用.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-2/24/2/bfe185ec-13f4-407a-870a-af7a4e432717/bfe185ec-13f4-407a-870a-af7a4e4327171.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、污水處理過程在線監(jiān)測設(shè)備可以實(shí)現(xiàn)污水排放主要理化指標(biāo)超標(biāo)的自動(dòng)報(bào)警,排污費(fèi)的自動(dòng)計(jì)費(fèi),數(shù)據(jù)統(tǒng)計(jì)報(bào)表的自動(dòng)生成,并構(gòu)成污水處理自動(dòng)控制系統(tǒng)的基礎(chǔ)環(huán)節(jié)。如果有指標(biāo)超標(biāo)的話,可以迅速啟動(dòng)環(huán)境保護(hù)預(yù)案,及早扼制污染事故的進(jìn)一步擴(kuò)大,提高預(yù)防水污染的保險(xiǎn)系數(shù),對于保護(hù)生態(tài)環(huán)境、治理水污染具有重要的意義。 污水處理系統(tǒng)是一個(gè)包含海量信息的非線性復(fù)雜系統(tǒng),具有多變量、不確定性、強(qiáng)耦合性等特點(diǎn),難以建立精確的機(jī)理模型。自20世紀(jì)90年代初以來,
2、神經(jīng)網(wǎng)絡(luò)軟測量方法在污水處理建模中得到了越來越多的應(yīng)用。本文研究了一種新型的基于RBF網(wǎng)絡(luò)的污水總氮軟測量模型。 RBF網(wǎng)絡(luò)的學(xué)習(xí)速度快,并且避免了BP網(wǎng)絡(luò)容易局部極小問題,更好地達(dá)到實(shí)時(shí)控制的目的。遺傳算法具有自組織性、自適應(yīng)性和智能性,可以解決一些復(fù)雜的非線性問題。利用具有兩層基因染色體結(jié)構(gòu)的遞階遺傳算法來優(yōu)化RBF網(wǎng)絡(luò),能夠同時(shí)優(yōu)化拓?fù)浣Y(jié)構(gòu)和網(wǎng)絡(luò)參數(shù),在全局范圍內(nèi)尋找RBF網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的最優(yōu)解,在污水處理水質(zhì)軟測量建模領(lǐng)域是一個(gè)
3、新的嘗試。 本文對于某污水生物脫氮系統(tǒng)的出水總氮進(jìn)行軟測量建模。針對入水口和過程反應(yīng)池的輔助變量眾多的情況,先用主成分分析方法實(shí)現(xiàn)輸入變量的降維和去相關(guān),簡化RBF網(wǎng)絡(luò)的輸入。按不小于85%的統(tǒng)計(jì)貢獻(xiàn)率,將13維輸入降為6維。然后分兩階段來優(yōu)化RBF網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和參數(shù):采用非線性優(yōu)化策略對隱含層進(jìn)行優(yōu)化;采用線性優(yōu)化策略對輸出層進(jìn)行優(yōu)化。將隱含層的結(jié)構(gòu)和參數(shù)看成一個(gè)整體,編碼為染色體,通過遞階遺傳算法確定合理的RBF網(wǎng)絡(luò)隱含層節(jié)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混合遞階遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化及在BOD軟測量中的應(yīng)用.pdf
- 基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)及其在系統(tǒng)辨識(shí)中的應(yīng)用.pdf
- 基于遺傳算法的污水水質(zhì)神經(jīng)網(wǎng)絡(luò)軟測量研究.pdf
- 基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在光伏發(fā)電MPPT中的應(yīng)用.pdf
- 遺傳算法及其在結(jié)構(gòu)優(yōu)化中的應(yīng)用.pdf
- 遺傳算法及其在約束優(yōu)化中的應(yīng)用.pdf
- 遞階遺傳算法理論及其應(yīng)用研究.pdf
- 遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在瓦斯涌出量預(yù)測中的應(yīng)用.doc
- RBF神經(jīng)元網(wǎng)絡(luò)和遺傳算法的研究及其在化工中的應(yīng)用.pdf
- 基于遞階遺傳算法的BP網(wǎng)絡(luò)訓(xùn)練和盲信號(hào)分離.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的遺傳算法在織物配色中的應(yīng)用研究.pdf
- 遺傳算法及其在非線性優(yōu)化中的應(yīng)用.pdf
- 遺傳算法及其在桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用.pdf
- 基于遞階遺傳算法的結(jié)構(gòu)非接觸形狀控制.pdf
- 基于遺傳算法的BP網(wǎng)絡(luò)優(yōu)化研究及其應(yīng)用.pdf
- 基于遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)控制器.pdf
- 遺傳算法和量子遺傳算法在物流系統(tǒng)優(yōu)化中的應(yīng)用.pdf
- 遺傳算法的改進(jìn)及其在結(jié)構(gòu)優(yōu)化中應(yīng)用.pdf
- 基于改進(jìn)遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論