基于PSOGA-WNN的废水处理系统软测量研究.pdf
《基于PSOGA-WNN的废水处理系统软测量研究.pdf》由会员分享,可在线阅读,更多相关《基于PSOGA-WNN的废水处理系统软测量研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、:/.:/第 卷 第 期 人民珠江 年 月 基金项目:国家自然科学基金项目()广东省自然科学基金杰出青年项目()广东省科技计划项目()福建省科技计划项目()广州市民生计划项目()收稿日期:作者简介:刘煜辉()男高级工程师主要从事废水处理相关研究 :.通信作者:黄明智()男教授主要从事水污染控制与给水技术、水环境保护与修复技术、污水处理智能控制技术等相关研究 :.刘煜辉麦文杰李小勇等.基于 的废水处理系统软测量研究.人民珠江():.基于 的废水处理系统软测量研究刘煜辉麦文杰李小勇赵银中何新忠黄明智(.佛山市南海区狮山镇金迪水利投资建设有限公司广东 佛山.华南师范大学环境学院 广东省化学品污染与环
2、境安全重点实验室 教育部环境理论化学重点实验室广东 广州.福建省环境保护设计院有限公司福建 福州)摘要:为精确预测水质参数中(出水)含量和(出水)浓度进一步完善水质预警机制提出 的造纸废水出水水质软测量模型以获取到的主要水质技术参数:(进水)、(进水流量)、(进水)、(进水)、(进水温度)、(进水溶解氧)、用于预测废水处理厂的废水质量 其中将 的预测结果与、以及 的神经网络进行了比较 结果表明 神经网络的预测精度最高这说明基于遗传算法和粒子群算法的 混合参数优化算法在优化模型预测精度方面具有明显的优越性 神经网络在拟合程度以及误差精度上相比 神经网络具有一定的优势是有效的模拟预测手段关键词:神
3、经网络小波变换软测量中图分类号:文献标识码:文章编号:().人民珠江 年第 期废水参数的获取是废水处理的第一步 一般的废水参数主要有生化需氧量()、化学需氧量()、氨氮、磷、悬浮物、溶解氧、污泥涉及沉降比、浓度等 根据现有的废水处理技术主要是人工间接测量再进行计算去对水质参数进行检测 这种方法耗时长信息反馈具有一定的时滞性会导致一些严重的后果 随着计算机技术的发展基于神经网络的软测量技术开始兴起 该技术克服了人工测量的非实时性和耗时性可对废水进行实时监测实现对废水处理的智能控制 冯丽辉等采用软测量建模技术构造多元线性回归模型通过结合计算机模拟技术该模型能够实现多个废水出水水质参数的软测量预测仿
4、真实验结果表明该模型的预测精度较高有良好的拟合优度和一定的泛化能力赵文文等通过构建多核 模型并采用全局搜索能力较为出色的粒子群()算法对模型的超参数进行优化最后应用于污水软测量建模中仿真分析证实该方法进一步改善了回归模型的精确度和 浓度的在线预估能力 纪广月为解决传统 神经网络所存在的收敛速度较慢和易于陷入局部最优的弊端创建了一种通过云模型粒子群算法对 神经网络的最佳初始权值和阈值进行优化的水质预测模型并将训练后的模型应用到对西江水质的预测中仿真结果证实 水质预测的误差最小且运算速度进一步提高实现较快收敛张秀菊等针对传统水质预测方法存在预测精度不理想以及对实测数据要求较高的问题创建基于 神经网
5、络的水质预测模型仿真实验结果显示所创建的 神经网络模型预测效果较好预测结果能很好地逼近真实值可以用于潇河流域的水质预测 在上述所涉及的模型中神经网络模型已较为成熟但传统的 神经网络易出现局部收敛问题针对该问题相关研究领域的学者研发出了基于小波变换理论的小波神经网络()并 将 其 应 用 于 水 文 水 资 源 领域 通过小波基函数将输入信号分解成不同的频率通道小波变换理论可以实现输入信号的平滑化处理从而得到比原始信号更单一的分解信号在对具有非线性和波动性特质的水质数据进行处理时它也更具适应性为确保污水厂一直处于稳定、安全的运行状态首先需要对污水处理过程中的关键指标进行实时监测例如化学需氧量()
6、、总固体悬浮物()、总磷()、总氮()、氨氮()等通过监测这些指标可以反映出污水处理性能、出水质量和经济效益进而根据监控结果来优化及控制污水处理过程 和 作为污水处理厂的关键指标若被过量排入受纳水体将会导致严重的水污染事故其造成的损失更是不可估计 因此对污水处理厂出水 和 进行在线监测成为预防水污染事故成为预防水污染事故的关键 本文提出了一种基于小波变换的神经网络模型 神经网络并运用粒子群与遗传算法结合的 优化算法迭代寻优获取 神经网络的最佳初始值和阈值对废水中的 和 进行预测将小波理论和神经网络理论结合起来实现对废水参数的预测为目标废水的处理提供数据参考 神经网络.神经网络结构 神经网络同时
7、结合了小波变换和神经网络的优点 它是一种结合了小波变换的定位特性和神经网络的自学习能力的神经网络 神经网络的网络结构是根据小波分析的理论确定的它避免了 神经网络等在网络结构设计中的盲目性并提高了容错性和逼近性能 总体而言对于处理同样的机器学习任务 神经网络具有更加简单的网络层结构收敛速度更快准确率更高 神经网络与 神经网络的主要不同是用非线性的 小波函数代替 神经网络中常用的 激活函数进行小波变化然后传入输出层 神经网络结构见图 小波函数:()()/()()式中()加权和 平移因子 尺度因子人民珠江 年第 期图 神经网络结构.神经网络原理)载入数据 为加快模型运行时的收敛速度消除量纲的影响需对
8、训练和测试数据集中的 个输入水质参数数据:、进行归一化处理归一化是指使用特定的算法将数据保持在特定的范围内 组输入数据使用相同的归一化操作 本研究中使用的方法是线性函数的归一化见式():()式中、单组输入数据的最大值、最小值、数据归一化前后的值)网络构建 神经网络的网络构建过程主要是指通过解析数据特征判断模型的输入层节点数()、隐含层网络节点数()以及输出层网络节点数()配置网络参数最大迭代次数 和学习速率)网络计算 计算各层输出值隐含层()/输出层 ()和 为连接权值 和 分别为伸缩因子和平移因子)迭代优化 计算实际值与输出值的误差根据误差精度和迭代次数不断调整参数)计算误差 网络预测是水质
9、参数预测的最后一步其主要内容是利用训练好的小波神经网络对水质数据测试集进行预测然后对预测数据进行反归一化并输出结果 神经网络.算法粒子群算法()与遗传算法()均为模仿自然界中生物活动过程的高智能算法因此各有优缺点 在 算法中由于粒子具有记忆能力因而可以存储迭代寻优时的最优信息它的局部寻优能力强且收敛速度快而 则是具备较强的全局搜索能力其交叉操作蕴含了信息互换的基本思路而变异操作则可以增加种群的多样性从而避免在迭代寻优过程中产生的早熟现象 通过综合 种算法的优点将 的交叉和变异方法引入到 算法中进而获得了整体性能更好的 算法.神经网络原理 算法结合了遗传算法与粒子群算法的优点具有快速的全局群体寻
10、优的能力能够较快的优化神经网络结构 利用 算法训练 神经网络的各参数能够发挥神经网络的广泛映射能力同时使网络快速收敛使神经网络的权值、阈值及隐含层节点数达到最优 算法训练 神经网络的流程见图 图 神经网络算法流程其中算法关键步骤如下步骤一 初始化模型参数 给定初始条件:即粒子个数 最大惯性因子、最小惯性因子、人民珠江 年第 期学习因子、种群规模、交叉概率、变异概率、粒子更新速度、迭代次数神经网络各层的连接权值和隐含层数及节点数步骤二 适应度函数设定 使用实际输出与期望输出的误差和作为适应度函数以此评价粒子的搜索性能 适应度函数 可表示为式():()式中 训练集的样本数 第 个样本的实际输出 第
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 PSOGA WNN 废水处理 系统 测量 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。