生物滴滤塔废气处理过程的神经网络建模.pdfVIP

应用研究 数字技术 与应用 生物滴滤塔废气处理过程的神经网络建模 　　 1 2 陈作超 马海芳 (1.江苏省特种设备安全监督检验研究院无锡分院电梯检验一部 江苏无锡 214174; 2.艾默生过程控制有限公司系统部 上海 201206) 　 摘要:在生物滴滤塔处理有机废气过程中,参数间存在比较明显的耦合, 同时非线性性能也较强,精确数学模型的建立比较困难 。采用辨识方法, 建立BP神经网络模型模拟处理生物滴滤塔有机废气的过程 。同时采用Levenberg-Marquardt算法解决标准BP训练算法训练速度慢的问题 。通过遗 传算法优化BP 网络的初始权值,避免网络训练时陷入局部极小点,最终的网络模型能够较好得模拟实际对象的运行过程。 关键词:生物滴滤塔 BP神经网络辨识 Levenberg-Marquardt算法 遗传进化训练 中图分类号:TP 文献标识码:A 文章编号:1007-94 16(20 13)08-0050-02 1 引言 层神经元的个数。 污水处理设施排放出含有恶臭污染物的有害废气,是造成大气 J(t) 1 p [d y (t)]2  kp kp 2 恶臭的主要挥发源之一,与传统的理化法相比,生物处理技术净化 p 1 误差与信号反向,从后向前传播,在反向传播中修改神经元的 效率高,无二次污染,投资及运行成本低。 阈值和权值。若采用BP算法训练网络,其迭代公式可表示为: 为了提高净化效率,需要建立对象的数学模型来分析各参数对 x x g k1 k k 净化效率的影响,文献1结合气-液两相流理论建立了生物滴滤塔 其中,x 代表当前的权值和阈值,x 代表迭代产生的下一次 k k1 的机理模型。本文利用生物滴滤塔装置降解低有机废气(以甲苯为 权值和阈值 ,η为学习速率,g 为当前误差函数的梯度。