10.16055/j.issn.1672-058X.2022.0003.004
基于EHO优化的BP神经网络污水处理出水COD预测模型
为了改善在污水处理环节中对有关化学需氧量预测效果的问题,提出了一种经象群算法优化的BP神经网络预测模型.首先通过将象群算法中的分离操作与改进权重的粒子群算法相结合,有效去除了种群中适应度较差的个体,进一步提高算法寻找最优值的能力;首次利用改进后的象群算法优化BP神经网络对预测数据进行更好的逼近,提高预测模型的预测准确度;最后,通过仿真结果清晰表明:改善后的BP神经网络相对于传统BP神经网络以及一般的小波神经网络有着更高的预测精度.改进后的象群算法结合BP神经网络所建立的预测模型在一定程度上可以对污水处理中的出水化学需氧量进行比较准确的预测,能满足预测出水化学需氧量的一般要求,具有一定的研究价值.
计算机神经网络、出水化学需氧量、象群算法、分离操作
39
TP183;X832(自动化基础理论)
国家科技支撑计划2014BAC01B04
2022-06-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
26-32
