本文主要研究内容
作者廉小亲,王俐伟,安飒,魏伟,刘载文（2019）在《基于SOM-RBF神经网络的COD软测量方法》一文中研究指出：污水处理是一个复杂的非线性过程,化学需氧量(chemical oxygen demand,COD)是评价污水处理效果的关键指标之一。COD的传统测量方法耗时长、成本高,基于传统神经网络的软测量方法提高了COD参数的测量速度但精度较差。针对这些问题,设计一种结合自组织特征映射(self-organizing map, SOM)和径向基函数(radial basis function, RBF)神经网络的COD参数软测量方法。该方法利用SOM网络聚类数据样本,根据所得聚类结果确定RBF网络的隐层节点数及节点的数据中心,综合提高RBF网络的收敛速度和拟合精度。利用污水处理厂部分水样数据建立COD软测量模型,模型仿真和硬件在线测试结果表明,相对于传统的BP、RBF等网络,基于SOM-RBF神经网络的COD软测量方法测量时间短、预测精度较高,具有较为广阔的应用前景。
Abstract
wu shui chu li shi yi ge fu za de fei xian xing guo cheng ,hua xue xu yang liang (chemical oxygen demand,COD)shi ping jia wu shui chu li xiao guo de guan jian zhi biao zhi yi 。CODde chuan tong ce liang fang fa hao shi chang 、cheng ben gao ,ji yu chuan tong shen jing wang lao de ruan ce liang fang fa di gao le CODcan shu de ce liang su du dan jing du jiao cha 。zhen dui zhe xie wen ti ,she ji yi chong jie ge zi zu zhi te zheng ying she (self-organizing map, SOM)he jing xiang ji han shu (radial basis function, RBF)shen jing wang lao de CODcan shu ruan ce liang fang fa 。gai fang fa li yong SOMwang lao ju lei shu ju yang ben ,gen ju suo de ju lei jie guo que ding RBFwang lao de yin ceng jie dian shu ji jie dian de shu ju zhong xin ,zeng ge di gao RBFwang lao de shou lian su du he ni ge jing du 。li yong wu shui chu li an bu fen shui yang shu ju jian li CODruan ce liang mo xing ,mo xing fang zhen he ying jian zai xian ce shi jie guo biao ming ,xiang dui yu chuan tong de BP、RBFdeng wang lao ,ji yu SOM-RBFshen jing wang lao de CODruan ce liang fang fa ce liang shi jian duan 、yu ce jing du jiao gao ,ju you jiao wei an kuo de ying yong qian jing 。
论文参考文献
论文详细介绍
论文作者分别是来自化工学报的廉小亲,王俐伟,安飒,魏伟,刘载文，发表于刊物化工学报2019年09期论文，是一篇关于化学需氧量论文,软测量论文,自组织特征映射论文,径向基函数网络论文,神经网络论文,模型论文,预测论文,化工学报2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自化工学报2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：化学需氧量论文; 软测量论文; 自组织特征映射论文; 径向基函数网络论文; 神经网络论文; 模型论文; 预测论文; 化工学报2019年09期论文;