基于过程神经网络的污水处理软测量模型及算法研究
为解决污水处理过程出水水质指标（如BOD）难以在线测量的问题，同时考虑到污水处理过程与时间有关的特点，本文提出一种基于过程神经网络的在线水质指标软测量方法。该方法基于正交基展开的学习算法基础上关进行改进，加入动量项以提高收敛速度;采用遗传算法对模型训练的学习速率进行优化，实现自适应变速率学习算法。通过实测数据对过程神经网络软测量模型进行训练，仿真和实验结果表明，该方法效果良好，可实现污水处理过程的闭环、实时控制，具有广阔的应用前景。
污水处理 过程神经网络 软测量 遗传算法 自适应变速率 实时控制
苏震 连晓峰 刘载文 王小艺
北京工商大学计算机与信息工程学院,北京100048
国内会议
北京
中文
2342-2346
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）