| 基于ANN和LSSVR的造纸废水处理过程软测量建模 |
| |
| 引用本文： | 汪 瑶,徐 亮,殷文志,胡慕伊,黄明智,刘鸿斌. 基于ANN和LSSVR的造纸废水处理过程软测量建模[J]. 中国造纸学报, 2017, 32(1): 50-54 |
| |
| 作者姓名： | 汪 瑶 徐 亮 殷文志 胡慕伊 黄明智 刘鸿斌 |
| |
| 作者单位： | 1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,3.中山大学水资源与环境系,广东广州,510275,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037；2.华南理工大学制浆造纸工程国家重点实验室,广东广州,510640 |
| |
| 基金项目： | 制浆造纸工程国家重点实验室开放基金资助项目(201610)；南京林业大学高层次人才科研启动基金(163105996)；江苏省制浆造纸科学与技术重点实验室开放基金项目(201530)。 |
| |
| 摘 要： | 针对造纸废水处理系统的时变性、非线性和复杂性等特点,将人工神经网络(ANN)和最小二乘支持向量回归(LSSVR)分别用于造纸废水处理过程中的软测量建模,实现造纸废水处理过程中出水化学需氧量和出水悬浮固形物浓度的预测。ANN采用误差反向传播算法建模,LSSVR通过粒子群优化算法进行模型参数优化。结果表明,与ANN模型预测结果相比,LSSVR模型预测结果的均方根误差降低了50%以上,相关系数提高了近10%,表明LSSVR模型在造纸废水处理过程中的预测精度高于ANN模型。
|
| 关 键 词： | 人工神经网络；最小二乘支持向量回归；造纸废水处理；软测量建模；粒子群优化算法 |
Soft Sensor Modeling of Papermaking Wastewater Treatment Processes Based on ANN and LSSVR |
| |
| Abstract: | |
| |
| Keywords: | artificial neural network least squares support vector regression papermaking wastewater treatment soft sensor modeling particle swarm optimization |
|
| 点击此处可从《中国造纸学报》浏览原始摘要信息 |
|
点击此处可从《中国造纸学报》下载免费的PDF全文 |
|
