神经网络对微砂加重絮凝处理矿井水效果预测 |
| |
引用本文: | 王浩,张晓航,何绪文,张斯宇,孙艺欣,李福勤,陈大猛. 神经网络对微砂加重絮凝处理矿井水效果预测[J]. 煤炭技术, 2018, 0(3): 188-191 |
| |
作者姓名: | 王浩 张晓航 何绪文 张斯宇 孙艺欣 李福勤 陈大猛 |
| |
作者单位: | 中国矿业大学(北京)化学与环境工程学院;河北工程大学能源与环境工程学院;凌源市环境保护局; |
| |
摘 要: | 通过混凝沉淀单因素试验确定最佳反应条件根据试验结果,使用交叉验证法训练广义回归神经网络(GRNN)来预测微砂加重絮凝工艺的出水水质。结果显示,浊度和固体悬浮物(SS)去除率的实际值与预测值误差小于2%,说明GRNN具有良好的非线性拟合性,并广泛适用于微砂加重絮凝工艺。
|
关 键 词: | 微砂加重絮凝 矿井水 高悬浮物 神经网络 |
Treatment Effect Prediction of Mine Water with Micro-sand Loading Flocculation by Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|