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.
膜生物反应器(MBR)、透水率、偏最小二乘、递归RBF神经网络、软测量技术
43
TP183(自动化基础理论)
国家自然科学基金资助项目61225016, 61533002, 61622301;中国博士后科学基金资助项目2014M550017;教育部博士点基金资助项目20131103110016
2017-07-31（万方平台首次上网日期，不代表论文的发表时间）
共7页
1168-1174
