基于RBF人工神经网络的生活污水处理软测量方法（一）.pdfVIP

( ) 第 22 卷 第 3 期 北京工商大学学报 自然科学版 V o l22 N o 3 2004 年 5 月 Jou rna l of B eij ing T echno logy and Bu sine ss U n iver sity ( Science Ed it ion) M ay 2004 36 N atu ra l 　　文章编号: 167 115 13 (2004) 基于 RBF 人工神经网络的生活污水处理软测量方法 1 1 2 祁国强 , 　刘载文 , 　崔莉凤 ( 1 北京工商大学 信息工程学院, 北京　100037; 2 北京工商大学 化学与环境工程学院, 北京　100037) 摘　要: 为实现城市生活污水处理的在线控制, 提出了基于RB F 人工神经网络的软测量方法 运 用大量实测数据对RB F 神经网络进行了训练和仿真 结果表明, 基于RB F 神经网络的软测量模型 对污水处理指标BOD 的实时控制具有实用价值 关键词: 软测量; RB F 神经网络; 污水处理 中图分类号: T P 18　　　　　文献标识码: A 　　环境保护是我国的一项基本国策, 污水处理是 程中, 机理复杂, 有很多过程只是经验的总结, 并没 保护城乡环境的重要措施, 因而提高污水处理 自动 有清晰的数学表达, 机理分析不能胜任这一任务 基 化水平和污水处理质量, 是我国城市建设急需解决 于线形回归的软测量模型在某些场合下工作得非常 的重要问题 好, 但是在非线形作用无法忽略的场合下回归严重 污水处理为复杂的动态工程系统, 至今仍没能 影响效果, 而且这类模型无法进行在线校正; H op 实现最优控制 国内外对此研究了各种方案, 有些是 f ield 网络和 自组织神经网络等其他网络主要应用 [ 1 ] 避开建模, 采用模糊控制 , 控制量为中间变量, 但 于模式识别和联想记忆, 一般不用于模型建立 在实际应用过程中控制精度不高 在线测量污水质 B P 神经网络和RB F 神经网络在过程建模中具 量指标已经成为提高控制质量的关键[2 ] 有十分重要的作用 B P 网络是以误差反向传播算法进行神经网络 1　污水处理过程基本流程 的学习和训练的 但是B P 算法是一种梯度下降算 法, 并且由于非线性隐层单元的存在导致网络存在 城市生活污水的一般处理流程包括沉沙池, 沉 多个最小点, 所以学习过程不一定能保证达到全局 淀池, 曝气池, 污泥回流和沉淀排放等几个系统 最小, 使得实际输出和理想输出之间有一定的偏差 本文论述在污水处理过程中, 通过测量污泥排 基于B P 算法的神经网络还存在其他实际应用方面 放量及生物曝气池中的溶解氧浓度等与主导变量