基于自组织模块化神经网络的污水处理过程出水参数预测

作     者：郭鑫 李文静 乔俊飞 GUO Xin;LI Wenjing;QIAO Junfei

作者机构：河南工业大学电气工程学院河南郑州450001 北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 智慧环保北京实验室北京100124 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2024年第75卷第9期

页      面：3242-3254页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62021003,61890930-5,61533002,61603009) 国家重点研发计划项目(2018YFC1900800-5) 河南省科技攻关项目(242102320114) 北京市自然科学基金项目(4182007) 北京市教委科技一般项目(KM201910005023) 

主　　题：经验模态分解 动态建模 模块化神经网络 时间序列预测 废水 

摘      要：针对城市污水处理过程关键出水水质一些参数难以在线测量的问题,提出了一种基于经验模态分解(EMD)的自组织模块化神经网络(MNN)出水参数软测量模型。首先设计一种基于EMD的任务分解方法,将复杂的时间序列分解为若干子序列,并采用样本熵和欧氏距离分别计算子序列的复杂性及相似性,自适应调整子网络模块。然后针对子网络模块初始结构难以确定的问题提出一种前馈神经网络的结构自组织算法,实现子网络模型根据分配的子任务动态调整自身网络结构,更有效地对各子序列进行预测。最后通过基准时间序列预测和实际污水处理厂中出水水质参数检测实验验证了所提出的模型具有较好的预测精度和自适应性。