基于神經(jīng)網(wǎng)絡(luò)的水質(zhì)軟測(cè)量方法研究.pdf

1、隨著近現(xiàn)代工業(yè)的迅猛發(fā)展，作為人類(lèi)賴(lài)以生存的水資源遭到了極大的破壞，如何控制水資源的進(jìn)一步惡化，采取行之有效的污水處理方法已成為人類(lèi)迫在眉睫的頭等大事。本文針對(duì)建立污水處理過(guò)程控制參數(shù)及水質(zhì)參數(shù)的軟測(cè)量模型進(jìn)行了研究，為進(jìn)一步實(shí)現(xiàn)污水處理過(guò)程的自動(dòng)控制和參數(shù)在線檢測(cè)創(chuàng)造條件，主要做了以下幾個(gè)方面的工作： 1.研究分析了BP神經(jīng)網(wǎng)絡(luò)，擬定所有參數(shù)因子為輔助變量，在此基礎(chǔ)上，提出了以Levenberg-Marquardt優(yōu)化BP神經(jīng)

2、網(wǎng)絡(luò)的方法。 2.從粗糙集理論的基本概念和方法入手，提出一種基于粗糙集的BP神經(jīng)網(wǎng)絡(luò)模型，其充分利用粗糙集的數(shù)據(jù)處理分析能力，對(duì)水質(zhì)數(shù)據(jù)進(jìn)行預(yù)處理，約減影響因素，簡(jiǎn)化網(wǎng)絡(luò)輸入變量，確定輸入變量及個(gè)數(shù)；提煉學(xué)習(xí)樣本質(zhì)量。從而優(yōu)化了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，改善了學(xué)習(xí)效率。 3.利用PSO算法的優(yōu)點(diǎn)，通過(guò)PSO算法與BP算法的結(jié)合，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，實(shí)驗(yàn)證明該模型對(duì)水質(zhì)具有更高的預(yù)測(cè)精度、更快的收斂速度和更好的泛化性能。 4.構(gòu)