基于递归RBF神经网络的出水氨氮预测研究

作     者：乔俊飞 马士杰 许进超 Qiao Junfei Ma Shijie Xu Jinchao

作者机构：北京工业大学电子信息与控制工程学院北京100124 计算智能与智能系统北京市重点实验室北京100124 

出 版 物：《计算机与应用化学》 (Computers and Applied Chemistry)

年 卷 期：2017年第34卷第2期

页      面：145-151页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：国家自然科学基金(61533002 61225016) 中国博士后科学基金资助项目(2014M550017) 北京市科技新星计划(Z131104000413007) 教育部博士点基金项目(20121103120020 20131103110016) 北京市教委项目(km201410005001 KZ201410005002) 北京市朝阳区博士后资助项目(2014ZZ-05) 北京市朝阳区协同创新项目(ZH14000177) 

主　　题：氨氮预测 软测量 递归RBF神经网络 

摘      要：针对污水处理过程出水氨氮难以在线测量的问题,文中提出了一种基于递归RBF神经网络的软测量方法来预测氨氮。首先,提取与出水氨氮相关的主元变量,剔除主元变量的异常数据。其次,利用递归RBF神经网络建立主元变量与出水氨氮的蕴含关系,完成出水氨氮软测量模型的设计。最后,将提出的出水氨氮软测量方法应用于污水处理实际运行过程,结果表明,基于递归RBF神经网络的软测量方法能够实现出水氨氮的在线预测;同时,与其他方法的比较结果显示基于递归RBF神经网络的软测量方法具有较好的预测精度。