基于PSO-BP神经网络的水厂智能消毒预测模型

为解决水厂运行过程中粗犷式、经验式投加氯消毒剂的问题，建立基于PSO-BP神经网络的水厂智能消毒预测模型。选取流量、矾耗、水质参数作为预测模型的输入参数，利用粒子群算法优化神经网络权值和阈值，模型评价指标平均绝对百分比误差（MAPE）、均方根误差（RMSE）都低于传统BP神经网络模型，其中RMSE值下降207 kg,MAPE值下降1.80%，相对标准偏差（RSD）下降了2.4%，有效提高了模型预测的准确性和稳定性，并在实际应用过程中有助于降低水厂氯消毒剂药耗，平均可节约生产成本约1 756元/d。可见，PSO-BP智能消毒预测模型是合理、可行的，为城市自来水厂加氯量预测提供了一种简单可行的思路和方法。