基于PMM和T88XW的造纸废水处理过程软测量建模摘要.PDFVIP

中 国造纸 学报 基于和的造纸废水处理过程 软测量建模 汪瑶 徐 亮殷文志 胡慕伊黄明智 刘鸿斌 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 华南理工大学制浆造纸工程国家重点实验室 广东广州 中山大学水资源与环境系 广东广州 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 和最小二乘支持向量回归 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 采用误 差反向传播算法建模 通过粒子群优化算法进行模型参数优化 结果表明 与模型预测结果相比 模型预测结果 的均方根误差降低了 以上 相关系数提高了近 表明模型在造纸废水处理过程中的预测精度高于模型 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 中图分类号 文献标识码 文章编号 通常采用物理法或生化法处理造纸废水 该处理 是 过程具有非线性 时变性 不确定性 复杂性和滞后 的改进 其在 的基础上降低了计算复杂 性等特点 因而 采用机理分析和数学推导的方 度 有效提高了学习速度 更加适用于工业过程软测 法难以获得精确的数学模型 特别是与出水水质 量建模的研究 张世峰等 提出一种基于 指标相关的关键参数无法实现在线测量 这直接影响 的出水水质软测量模型 并将其应用于污水处理过程 废水处理过程的实时控制和优化操作 将软测量技术 中溶解氧浓度的控制 应用于造纸废水处理过程 建立出水水质关键参数的 本课题应用和这 种方法分别建立 软测量模型 可有效解决这一难题 造纸废水处理过程的软测量模型 实现造纸废水处理 目前 软测量建模的主要方法有机理建模 回归 过程中出水化学需氧量 和出水悬浮固形物 分析 模糊建模和神经网络建模等 其中 人工 浓度的预测 神经网络 近年来 和的原理 已成功应用在造纸废水处理过程软测量建模中 李迪 等 采用对造纸废水处理过程进行动态建模 原理 马邕文等 提出了利用模糊神经网络模型对废水处 算法多种多样 其中应用最为广泛的是误 理过程的化学需氧量进行控制及预测 李伟奖等 差反向传播 网络 其主要由输入层 隐含层 针对误差反向传播算法收敛慢 易陷入局部极小等缺 和输出层构成 如图 所示 网络的工作原理是 点 提出用遗传算法进行全局寻优 输入信号的正向传播和误差信号的反向传播 通过权 支持向量机