污水处理厂出水水质变量区间预测建模

为了实现污水处理厂的有效运行,需要建立能够精确描述水厂行为的模型。根据水厂入水和出水数据,采用径向基函数神经网络建立污水处理过程模型。考虑到建模误差有界,使用参数线性集员辨识算法分别得到隐含层到输出层各神经元连接权值向量的不确定集合描述。与现有的单输出区间预测模型相比,该模型能够根据水厂入水数据同时给出多个出水水质变量的置信区间。这些区间能表征出水变量的存在范围,从而实现水质变量的可靠估计,进而评估出水水质或水厂性能。此外,还将此出水区间预测模型用于污水处理厂的故障检测与隔离,以提高水厂运行的可靠性。实验结果表明文中所提方法的有效性。     

基于自适应粒子群算法的玻璃澄清环境评价模型分析

玻璃熔制过程是玻璃生产中的高耗能单元,其过程涉及的变量复杂,在实际生产中常因难以合理调节生产参数而造成生产环境不稳定进而导致产品质量缺陷。为了评估澄清环境,基于前人对玻璃液流规律的研究,对气泡逸出难易程度和澄清时间进行定量化分析,建立澄清环境评估模型,并采用自适应变异粒子群算法对模型求解,将优化后的参数应用于实际生产调试,得到非常满意的结果,从而验证模型的正确性。