基于遗传深度信念网络算法GADBN的废水处理预测模型研究

基于遗传深度信念网络算法GADBN的废水处理预测模型研究.pdf
废水生物处理过程极为复杂,机理尚未完全清楚,很难用精确的数学模型来有效预测并调控出水水质.为解决传统控制系统过分依赖精确数学模型的问题,近几年提出利用深度学习来实时预测调控出水水质.深度信念网络(DBN)模型属深度学习算法中的一种,其能够更准确地感知对象演变的内在规律,但难以保证网络最优.而遗传算法(GA)宏观搜索最优解效果较好,可弥补深度信念网络中缺陷.因此,本研究尝试将深度信念网络与遗传算法结合起来,形成GA-DBN算法,考察其在废水处理出水预测中性能.
作者：牛国强易晓辉黄明智
作者单位：环境研究院,广东省化学品污染与环境安全重点实验室,教育部环境理论化学重点实验室,广州510006
母体文献：第三届全国水处理与回用学术会议论文集
会议名称：第三届全国水处理与回用学术会议  
会议时间：2019年3月29日
会议地点：广州
主办单位：中国环境科学学会
语种：chi
分类号：
关键词：废水处理  出水水质  预测模型  遗传算法  深度信念网络
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文

2024-11-30 21:43 上传 基于遗传深度信念网络算法GADBN的废水处理预测模型研究.pdf

文件大小:

192.09 KB

下载次数:

60

高速下载