Bagging集成RW-RBF的水厂消毒预测模型

采用RW(随机游走算法)优化RBF(径向基函数)神经网络后作为集成学习(Bagging)的弱学习器。选取清水池进水流量(Q)、滤后浊度(NTU)、滤后余氯(Cl_-into)、出厂水余氯(Cl_-out)、耗氧量作为输入因子,投药量作为输出因子,建立基于Bagging集成RW-RBF模型对水厂消毒投加进行预测。相较于RBF神经网络和RW-RBF模型,Bagging集成RW-RBF模型平均相对误差降低了90.3%、73.7%;均方根误差分别降低了83.7%、40.6%,说明该模型具有强大的非线性拟合能力,泛化能力强,稳定性高,对供水行业滤后消毒药剂投加量预测有指导作用。