污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

基于LabVIEW的污水处理出水水质软测量实现研究

以昆明市第二污水处理厂的A2/O工艺为研究对象,采用先进的软测量和虚拟仪器技术来预测其出水水质.两者的集成有利于充分发挥基于Matlab的软预测复杂运算和基于LabVIEW的强大数据采集与卓越的图形显示、操作等功能,最终提高污水处理过程的监控水平.研究表明此方案技术可行、人机交互友好.     

神经网络和主元分析—神经网络软测量技术 在污水处理系统中的应用

为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分 析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神 经网络软测量技术在污水处理系统的发展方向。结果表明,基于神经网络的软测量技术能够很好地进行数据分 析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、 全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研 究等方式得到不断改进和完善。     

非线性软测量建模的神经网络拓扑结构

用神经网络为非线性软测量建模,用于推断估计不可在线测量的变量,利用训练样本集的单调投影指数直接估算隐层神经元数目,有较为满意的逼近精度。     

软测量模型的建立

软测量是采用过程中比较容易测量的辅助变量，构造推断估计器来推算出难以测量或根本无法测量的关键工艺参数；也就是说软测量是根据某种最优准则，选择一组既与主导变量有密切联系又容易测量的变量，即辅助变量，通过构造某种数学关系，用计算机软件实现对主导变量的在线估计。本文介绍了软测量的核心技术，并重点阐述了软测量模型建立的方法，同时还给出了建立一个完整的软测量模型的步骤。     

采用BP-ANN和改进SVR的进水BOD软测量模型

进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水...     

城市给水管网水质模型的研究

提出了在城市给水管网中建立水质模型的两种方法：第一种是有外部输入的自回归模型ARX；第二种是神经网络模型ANN，两种模型的建立都是以天津市某小区给水管网水质监测的数据为基础的，模拟的结果显示这两种模型有相近的性能，但是在本实验情况下，ANN模型比ARX模型有更好的预测能力．     

基于混和网络软测量模型的菌体浓度检测

针对发酵系统中某些重要参数难于在线检测的问题,阐述了基于混和神经网络建立软测量模型的技术,并将其应用到酵母发酵过程的菌体浓度测量中,试验结果表明,混和神经网络建模比单一黑箱神经网络建模具有更好的效果.     

基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

神经网络在水质模型中的应用

将神经网络理论和算法应用于水环境评价中，基于RBF神经网络进行水质建模，应用国内河流的实测样本对模型进行训练和检验．该方法较之原有的水质数学模型以及其他全局逼近神经网络方法的结果更加精确，适用范围更广．     

基于神经网络的传感器静态特性曲线的拟合方法

传感器的静态特性是指被测量的值处于稳定状态时传感器的输入输出关系。随着传感器技术的发展,各种材料的新型传感器不断涌现,但是传感器静态特性的非线性和离散性往往无法避免,能否克服上述缺点已经成为传感器进入工业应用以及达到测量精度要求的主要问题。多层前向神经网络的误差逆传播算法（简称ＢＰ算法）的输入输出关系实际上是一种映射关系,适于解决上述非线性映射问题。利用神经网络处理传感器静态特性的非线性关系可以获得高度逼近实际静态特性的拟合曲线。     

基于RBF神经网络的瓦斯检测技术的研究

着重介绍红外探测系统的总体设计思想、微弱信号的检测技术及检测系统的软、硬件设计,对如何应用单片机ATMEGA16芯片作微控制器,来完成数据的采集、处理判断、数据的显示和传输等一系列功能作了重点的阐述和分析.针对目前大多数设备不具备数据传输这一特性,重点对RS485总线方式作了阐述,并采用了RBF神经网络的方法对温度进行了补偿,提高了测量精度,达到了理想的效果.     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

江汉油区沿程水质变化影响因素分析

江汉油区立足注水开发,大部分区块以污水或清污混注为主,注水水质成为影响注水开发效果的主要因素之一。由王一站、钟市站重点注水线路的沿程水质现场和室内的试验得知,注水水质指标主要是悬浮物、总铁含量不达标。从水处理工艺、注水管网和水中细菌3个方面展开了对沿程水质影响因素的研究,提出了相应的稳定水质的建议,为改善江汉油区注水系统水质提供了参考依据。     

基于BP神经网络的新疆平原地区水面蒸发量预测模型研究

利用新疆地矿局昌吉地下水均衡试验场1997—2000年非冻结期20 m2水面蒸发池的蒸发量数据,基于BP神经网络,建立新疆平原地区水面蒸发量的预测模型,结果表明:模型构建简单,误差较小,且所需资料易于获得.     

基于BP神经网络的新疆平原地区水面蒸发量预测模型研究

利用新疆地矿局昌吉地下水均衡试验场1997-2000年非冻结期20m^2水面蒸发池的蒸发量数据，基于BP神经网络，建立新疆平原地区水面蒸发量的预测模型，结果表明：模型构建简单，误差较小，且所需资料易于获得．     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

基于QGA优化的BP神经网络的大坝渗流预报模型

针对BP神经网络的过拟合和收敛速度慢等问题,基于量子遗传算法（QGA）对网络初始权值、阀值进行优化,结合某电站实测资料建立了大坝渗流预报模型,通过对模型实例的比较,验证了模型的优越性．该模型在实际工程应用中有一定借鉴意义．     

基于人工神经网络的控制器的研究

本文通过在对几种常见神经网络在机器人手眼协调控制中的应用分析和仿真研究的基础上，给出了一种综合型的神经网络模型，仿真结果表明模型具有更好的收敛速度和控制性能。     

基于BP神经网络的时延水温控制系统设计

神经网络具有自组织、自学习、自适应的特点,近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在时延控制对象中的建模,建立了一个基于BP神经网络的预测模型,在Matlab中对几种使用神经网络模型的控制方案进行了研究和比较。