检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于RBF神经网络的出水氨氮预测研究

控制工程 2016年第9期23卷 1301-1305页

作者：乔俊飞安茹韩红桂北京工业大学电子信息与控制工程学院计算智能与智能系统北京市重点实验室北京100124

针对污水处理中关键水质参数氨氮(NH4+-N)难以在线实时准确检测且实验室取样检测时间长,精度低等问题,提出了基于RBF神经网络的出水氨氮软测量模型研究。首先,选择出对出水氨氮影响较大的辅助变量去预测氨氮的变化,然后,利用梯度下降算... 详细信息

针对污水处理中关键水质参数氨氮(NH4+-N)难以在线实时准确检测且实验室取样检测时间长,精度低等问题,提出了基于RBF神经网络的出水氨氮软测量模型研究。首先,选择出对出水氨氮影响较大的辅助变量去预测氨氮的变化,然后,利用梯度下降算法优化RBF网络的结构和参数,结合北京市某污水处理厂的实测数据,对出水氨氮的预测进行仿真并与其他模型对比,结果显示,该模型具有预测误差相对较小,预测准确等优点,说明该预测模型对于氨氮的预测具有一定的实用价值。

关键词：径向基函数网络梯度下降算法氨氮预测软测量

在线全文

学校读者我要写书评

暂无评论

基于随机森林的循环水养殖氨氮预测模型研究

重庆理工大学学报（自然科学） 2021年第4期35卷 207-214页

作者：巫莉莉黄志宏何斌斌曾鸣华南农业大学现代教育技术中心广州510642

分析和建立深井海水工厂化循环水氨氮含量与养殖对象的数量、均重、饲料投喂量之间的非线性关系。利用离差归一化方法对样本数据进行预处理,并利用Bootstrap方法随机有放回采样生成多个训练集;提出一种基于随机森林回归算法的集成式机... 详细信息

分析和建立深井海水工厂化循环水氨氮含量与养殖对象的数量、均重、饲料投喂量之间的非线性关系。利用离差归一化方法对样本数据进行预处理,并利用Bootstrap方法随机有放回采样生成多个训练集;提出一种基于随机森林回归算法的集成式机器学习方法构建预测模型,对养殖水体中的氨氮含量进行预测,并与支持向量机回归和最小二乘线性回归模型进行对比分析。通过5折交叉验证和8折交叉验证实验表明,以均方根误差和平均绝对误差作为评价指标,以绝对均值误差作为评价函数,所提方法的绝对均值误差为0.1355,与最小二乘线性回归、支持向量机回归方法进行比较,其误差分别减少62.66%和39.85%。所提方法在进行小样本预测应用中具有较高的预测精度及泛化能力,可为海水工厂化循环水养殖水体中氨氮含量精准预测提供理论依据和参数支持。

关键词：智能算法海水工厂化循环水养殖氨氮预测机器学习

在线全文

学校读者我要写书评

暂无评论

基于PCA-NARX神经网络的氨氮预测

大连海洋大学学报 2018年第6期33卷 808-813页

作者：袁红春赵彦涛刘金生上海海洋大学信息学院上海201306 上海海洋大学水产与生命学院上海201306

为准确掌握水产养殖中重要水质参数氨氮的变化趋势,提出了基于PCA-NARX神经网络的氨氮预测模型,用主成分分析法提取的主成分变量作为网络输入,优化网络结构,以中华绒螯蟹Eriocheir sinensis的养殖水体为例,建立了PCA-NARX网络模型,并与... 详细信息

为准确掌握水产养殖中重要水质参数氨氮的变化趋势,提出了基于PCA-NARX神经网络的氨氮预测模型,用主成分分析法提取的主成分变量作为网络输入,优化网络结构,以中华绒螯蟹Eriocheir sinensis的养殖水体为例,建立了PCA-NARX网络模型,并与NAR、NARX网络模型进行了对比试验。结果表明:PCA-NARX模型在24 h和48 h内均方根误差(RMSE)最小,较NAR网络模型减少24. 39%,较NARX网络模型减少41. 94%;总体在48 h之内,PCA-NARX网络模型相对于NAR、NARX网络模型具有更好的泛化能力,对氨氮的预测性能较好。本试验结果可为中华绒螯蟹养殖水体的氨氮调控提供参考依据。

关键词：氨氮预测 PCA-NARX神经网络主成分分析水产养殖

改进K-means算法优化RBF神经网络的出水氨氮预测

在线全文

学校读者我要写书评

暂无评论

控制工程 2018年第3期25卷 375-379页

作者：乔俊飞孙玉庆韩红桂北京工业大学信息学部

为提高污水处理过程中出水氨氮的预测精度，并针对RBF神经网络参数难以确定的问题，提出一种改进K-means算法优化RBF神经网络的氨氮预测算法。首先，计算每个样本点的密度值，以其大小是否满足一个阈值为条件，判定该点是否为孤立点或... 详细信息

为提高污水处理过程中出水氨氮的预测精度，并针对RBF神经网络参数难以确定的问题，提出一种改进K-means算法优化RBF神经网络的氨氮预测算法。首先，计算每个样本点的密度值，以其大小是否满足一个阈值为条件，判定该点是否为孤立点或噪声点，来消除孤立点和噪声点对K—means算法的影响;然后利用减法聚类算法初始化K—means算法的聚类中心，并得到聚类中心的个数，将改进后的K-means算法优化RBF神经网络结构；最后，通过对污水处理过程中出水氨氮的实际预测实验，表明所提出的算法具有较强的逼近能力。

关键词：氨氮预测 RBF神经网络 K-means算法密度指标

基于深度学习的污水处理厂进水氨氮预测模型研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的污水处理厂进水氨氮预测模型研究

作者：颜克芬哈尔滨工业大学

学位级别：硕士

准确评估污水处理厂进水水质有助于优化污水收集及处理系统的运行管理策略。近年来，基于深度学习模型评估关键水质指标在污水处理的智慧化领域受到广泛关注。通过分解算法分解原始序列，建立分解-集成模型是提升深度学习模型预测性能... 详细信息

准确评估污水处理厂进水水质有助于优化污水收集及处理系统的运行管理策略。近年来，基于深度学习模型评估关键水质指标在污水处理的智慧化领域受到广泛关注。通过分解算法分解原始序列，建立分解-集成模型是提升深度学习模型预测性能的常见途径。然而，对时间序列进行一次分解的传统方法在计算子序列时会用到当前时刻无法获取的未来时刻的数据，因此存在信息泄露问题，进而可能导致构建的分解-集成模型具有虚假的高精度。为解决该问题，本研究基于滚动分解建立了无信息泄漏的分解-集成模型，并对污水处理厂进水的关键指标氨氮（AmmoniaNitrogen，NH3-N）进行预测。　　分别基于门控循环单元（GatedRecurrentUnit，GRU）、随机森林（RandomForest，RF）、轻量级梯度提升机（LightGradientBoostingMachine，LGB）、循环神经网络（RecurrentNeuralNetwork，RNN）及长短时记忆网络（LongShort-TermMemory，LSTM）等5种预测算法建立污水处理厂进水NH3-N的预测模型。结果表明：GRU模型在平均绝对误差（MeanAbsoluteError，MAE）、均方根误差（RootMeanSquareError，RMSE）以及平均绝对百分比误差（MeanAbsolutePercentageError，MAPE）方面比其他四种模型分别低了6.0%-41.4%、3.6%-39.2%及4.6%-40.0%。可见，GRU在本研究场景下具有最优的预测性能，因此选定GRU作为构建分解-集成模型的基础模型。　　在GRU模型的基础上，以变分模态分解（VariationalModeDecomposition，VMD）为分解算法，分别基于四种数据分解策略构建并测试了分解-集成模型，探讨了在训练、验证、测试阶段一次分解带来的信息泄露对分解-集成模型预测性能的影响。结果发现：基于存在信息泄露的一次分解构建的分解-集成模型在无信息泄露的真实情境下预测性能不如单一GRU，揭示出在构建分解-集成模型时有效防止信息泄露的重要性;而基于无信息泄露的滚动分解构建的分解-集成模型RRR-GRU相对于单一GRU模型，预测结果的RMSE、MAE和MAPE分别降低了16.7%、13.0%和11.9%，表明该模型是有效的分解-集成模型。　　从模型对不同监测时间NH3-N的预测准确性及模型的不确定性两个方面分析了RRR-GRU模型相对单一GRU模型的优势。结果显示：与GRU相比，RRR-GRU在不同监测时间的预测结果的MAPE、MAE和RMSE分别平均低了15.6%、13.0%和14.2%。同时，RRR-GRU预测结果的不确定性相对于GRU也平均低了14.2%，表明RRR-GRU与GRU相比不但具有更高的准确性，也具有更高的稳定性和可靠性。　　综上所述，本研究通过滚动分解的方法解决了传统一次分解带来的信息泄露问题，并基于对建模数据的全程滚动分解构建了没有信息泄露的准确、可靠的分解-集成模型。本研究为污水处理厂进水NH3-N的预测提供了一种廉价、快速、清洁的方案，研究成果有助于污水收集及处理的智慧化以及城市的可持续发展。

关键词：污水处理厂进水水质氨氮预测深度学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

ISOA-BP组合优化氨氮预测模型

青海师范大学学报（自然科学版） 2020年第4期36卷 25-31页

作者：纪小红潘赢青海民族大学物理与电子信息工程学院青海西宁810007

由于易陷入局部最优,传统的BP神经网络在水体氨氮的预测中精度较低.而最近提出的海鸥优化算法的寻优性能较好,与BP神经网络结合使用可很好的克服其易陷入局部最优的缺点.本文主要研究BP神经网络在氨氮预测方面的问题,针对海鸥优化算法(S... 详细信息

由于易陷入局部最优,传统的BP神经网络在水体氨氮的预测中精度较低.而最近提出的海鸥优化算法的寻优性能较好,与BP神经网络结合使用可很好的克服其易陷入局部最优的缺点.本文主要研究BP神经网络在氨氮预测方面的问题,针对海鸥优化算法(Seagull Optimization Algorithm,SOA)本身的不足,提出一种利用混沌思想进行改进的思路,得到一种新的预测模型即改进海鸥优化算法(Improved Seagull Optimization Algorithm,ISOA)优化BP神经网络的模型.仿真结果表明,提出的改进算法在预测精度上有显著的提高,可更好地应用于实际中.

关键词：神经网络海鸥优化算法氨氮预测

在线全文

学校读者我要写书评

暂无评论

基于递归RBF神经网络的出水氨氮预测研究

计算机与应用化学 2017年第2期34卷 145-151页

作者：乔俊飞马士杰许进超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

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,... 详细信息

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。

关键词：氨氮预测软测量递归RBF神经网络

在线全文

学校读者我要写书评

暂无评论

SOA优化BP神经网络的水体氨氮预测模型

佳木斯大学学报（自然科学版） 2020年第2期38卷 40-44页

作者：潘赢贾国庆郜伟伟青海民族大学物理与电子信息工程学院青海西宁810007 中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室上海200050

为提高水体中氨氮的预测精度,本文提出一种基于SOA改进BP神经网络的预测模型。首先,采用具有较好全局搜索能力和局部搜索能力的SOA算法对BP神经网络的初始权值和阈值进行优化,防止其在训练过程中陷入局部最优值,而后采用优化后的权值和... 详细信息

为提高水体中氨氮的预测精度,本文提出一种基于SOA改进BP神经网络的预测模型。首先,采用具有较好全局搜索能力和局部搜索能力的SOA算法对BP神经网络的初始权值和阈值进行优化,防止其在训练过程中陷入局部最优值,而后采用优化后的权值和阈值作为BP神经网络的初始权值和阈值对其进行训练。仿真结果表明所提出的新模型对水体中的氨氮含量具有更高的预测精度,且提出模型的收敛速度较传统BP神经网络更快,可更好的应用于复杂水体中氨氮的预测。

关键词： BP神经网络海鸥优化算法水质氨氮预测

在线全文

学校读者我要写书评

暂无评论

基于尖峰自组织径向基网络的氨氮软测量方法

信息与控制 2017年第6期46卷 752-758页

作者：卢超杨翠丽乔俊飞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

针对污水处理过程氨氮实时测量难的问题,提出了一种基于尖峰自组织径向基神经网络(spiking self-organizing RBF neural network,SSORBF)的氨氮软测量方法.首先,该方法通过选取对氨氮预测影响较大的辅助变量,利用SSORBF神经网络建立主... 详细信息

针对污水处理过程氨氮实时测量难的问题,提出了一种基于尖峰自组织径向基神经网络(spiking self-organizing RBF neural network,SSORBF)的氨氮软测量方法.首先,该方法通过选取对氨氮预测影响较大的辅助变量,利用SSORBF神经网络建立主元变量和预测变量的非线性关系;其次,采用尖峰机制和梯度下降算法调整网络结构和参数;最后,将SSORBF神经网络应用于污水处理实际运行过程.仿真结果表明,该方法有效地实现了氨氮浓度的在线预测,提高了网络的预测精度和自适应能力.

关键词：尖峰机制自组织径向基网络氨氮预测软测量