基于CGA-BP神经网络好氧堆肥的曝气供氧量预测模型.pdfVIP

第 39 卷 第 7 期 农 业 工 程 学 报 Vol.39 No.7 2023 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2023 211 基于 CGA-BP 神经网络好氧堆肥的曝气供氧量预测模型 1 1 2 ※ 丁国超 ，施雪玲 ，胡 军 （1. 黑龙江八一农垦大学信息与电气工程学院，大庆 163319 ； 2. 黑龙江八一农垦大学工程学院，大庆 163319 ） 摘 要：为提高好氧堆肥曝气供氧量的曝气效率以及预测精度，该研究利用遗传算法（genetic algorithm, GA ）对标准反 向传播（back propagation, BP ）神经网络的初始权值和阈值进行优化，再利用克隆选择算法优化遗传算法（clonal genetic algorithm, CGA ）中的变异算子并复制算子，加快获取最优参数的速度，构建基于CGA-BP 神经网络的曝气供氧量预测模 型。为验证 CGA-BP 模型的有效性，与 BP 模型、GA-BP 模型预测结果进行对比。试验结果表明：克隆遗传算法优化 BP 神经网络能加快获得最优解，效率相比 BP 模型和 GA-BP 模型分别提高了 75.36%、51.30%；在曝气供氧量预测模型中， CGA-BP 模型具有更准确的预测效果，预测精度为 99.65%，而BP 模型与 GA-BP 模型预测精度分别为 96.99%、99.26%； CGA-BP 模型评价指标的均方误差、平均绝对误差、平均绝对百分误差分别为 0.003 4、0.038 9 和 0.003 5 ，均小于BP 神 经网络和 GA-BP 神经网络模型评价指标的误差；利用 CGA-BP 好氧堆肥曝气供氧量预测模型对好氧堆肥发酵过程进行精 准曝气，提高了 3.22%的曝气控制效率。由此可知 CGA-BP 神经网络模型有更好的预测效果，可满足好氧堆肥在发酵过 程中曝气供氧量的需求，提高曝气效率，为精准控制曝气提供更直接有效的方法。 关键词：模型；试验；遗传算法；好氧堆肥；曝气供氧；BP 神经网络；CGA-BP 神经网络 doi ：10.11975/j.issn.1002-6819.202211088 中图分类号：TP183; TP389.1; S210.6 文献标志码：A 文章编号：1002-6819(2023)-07-0211-07 丁国超，施雪玲，胡军. 基于 CGA-BP神经网络好氧堆肥的曝气供氧量预测模型[J]. 农业工程学报，2023，39(7)：211-217. doi ：10.11975/j.issn.1002-6819.202211088 DING Guochao, SHI Xueling, HU Jun. Prediction model of the aeration oxygen supply for aerobic composting using CGA-BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(7):