返回列表 发布新帖

基于FRBPSO-RBF神经网络的污水BOD5软测量方法

13 0
1 黄金阳光 发表于 2024-10-4 00:23 | 查看全部 阅读模式
文档摘要:污水处理过程中污水BOD5难以实时准确测量,故软测量方法逐渐被用于污水BOD5的预测,其中RBF神经网络软测量方法应用广泛,但存在训练过程易陷入局部极值等问题.为提高RBF神经网络的预测精度,提出了基于适应度排名的粒子群算法(fitnessrankingbasedparticleswarmoptimization,FRBPSO),根据适应度排名与迭代次数确定惯性权重的大小,并根据粒子个体历史最优值的排名与迭代次数确定自我学习因子与社会学习因子的大小,并将FRBPSO算法引入RBF神经网络的参数训练中.基于13个基准测试函数与其他3个粒子群优化算法对比,实验结果显示FRBPSO算法的寻优能力相对较强.再将基于FRBPSO算法的RBF神经网络用于构建污水BOD5软测量模型,仿真结果表明,在测试数据中,FRBPSO-RBF软测量模型的平均绝对误差比PSO-RBF软测量模型、DAIW-RBF软测量模型、SCVPSO-RBF软测量模型分别降低了0.7178、0.2402、0.5851,平均绝对百分比误差分别降低了0.47%、0.15%、0.33%,均方根误差分别降低了0.0034、0.0015、0.0039.与其他3个基于PSO算法的BOD5软测量模型相比,FRBPSO-RBF模型具有较高的BOD5预测精度.

Abstract:Duringthewastewatertreatmentprocess,itisdifficulttoaccuratelymeasuretheBOD5ofwastewaterinrealtime.Therefore,softmeasurementmethodsaregraduallybeingusedtopredictBOD5inwastewater.Amongthem,theRBFneuralnetworksoftmeasurementmethodiswidelyused,butthereareproblemssuchasthetrainingprocessbeingeasilytrappedinlocalextremes.InordertoimprovethepredictionaccuracyoftheRBFneuralnetwork,afitnessrankingbasedparticleswarmoptimizationalgorithm(FRBPSO)isproposed.Thesizeoftheinertiaweightisdeterminedaccord-ingtothefitnessrankingandthenumberofiterations,andthesizeoftheself-learningfactorandsociallearningfactoraredeterminedaccordingtotherankingoftheindividual'shistoricaloptimalvalueandthenumberofiterations.Then,theFRBPSOalgorithmisintroducedintotheparametertrainingoftheRBFneuralnetwork.Basedon13benchmarktestfunctionsandcomparisonwithother3particleswarmoptimizationalgorithms,experimentalresultsshowthattheFRBPSOalgorithmhasrelativelystrongoptimizationability.Then,theRBFneuralnetworkbasedonFRBPSOalgorithmisusedtoconstructasoftmeasurementmodelforwastewaterBOD5.Simulationresultsshowthatintestdata,comparedwithPSO-RBFsoftmeasurementmodel,DAIW-RBFsoftmeasurementmodelandSCVPSO-RBFsoftmeasurementmodel,theaver-ageabsoluteerrorofFRBPSO-RBFsoftmeasurementmodeldecreasedby0.7178,0.2402and0.5851respectively;Theaverageabsolutepercentageerrordecreasedby0.47%,0.15%,and0.33%respectively;Therootmeansquareerrordecreasedby0.0034,0.0015and0.0039respectively.ComparedwithotherthreeBOD5softmeasurementmodelsbasedonPSOalgorithm,FRBPSO-RBFmodelhashigherBOD5predictionaccuracy.

作者:班慧琳  李中志  李斌勇  王远Author:BANHuilin  LIZhongzhi  LIBinyong  WANGYuan
作者单位:成都信息工程大学网络空间安全学院,四川成都610225
刊名:成都信息工程大学学报
Journal:JournalofChengduUniversityOfInformationTechnology
年,卷(期):2024, 39(4)
分类号:TP391
关键词:RBF神经网络  PSO算法  软测量模型  BOD5软测量  污水水质预测  
Keywords:radialbasisfunctionneuralnetwork  particleswarmoptimization  softsensingmodel  5-dayBODbiochemicaloxygendemandsoftsensing  sewagequalityprediction  
机标分类号:TP391.41TP18TP273
在线出版日期:2024年7月16日
基金项目:四川省科技计划资助项目基于FRBPSO-RBF神经网络的污水BOD5软测量方法[
期刊论文]  成都信息工程大学学报--2024, 39(4)班慧琳  李中志  李斌勇  王远污水处理过程中污水BOD5难以实时准确测量,故软测量方法逐渐被用于污水BOD5的预测,其中RBF神经网络软测量方法应用广泛,但存在训练过程易陷入局部极值等问题.为提高RBF神经网络的预测精度,提出了基于适应度排名的粒子...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词:RBF神经网络,PSO算法,软测量模型,BOD5软测量,污水水质预测,

2024-10-4 00:23 上传
文件大小:
1.21 MB
下载次数:
0
附件售价:
1 下载券 [赞助会员免费下载]
本地下载 立即购买
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
  • 联系QQ客服
2022-2024 新资汇 - 参考资料分享下载网站
关灯 返回顶部
快速回复 返回顶部 返回列表