過程神經元網絡的學習算法目前國內只有何新貴院士、許少華博士提出了幾種方法[23]。主要有基于梯度下降的學習算法,該算法借鑒了傳統的BP算法[111-112];基于函數正交基展開的學習算法,在輸入空間中引入一組適當的函數正交基,將...[繼續閱讀]

    將圖3-2所示的過程神經元網絡作為軟測量模型,采用基于函數正交基展開的過程神經元網絡學習算法,發現在污水處理軟測量和預測實際應用中存在收斂速度慢,局部最小等問題。通過仿真實驗發現網絡經常發生“假飽和”和嚴重振蕩...[繼續閱讀]

    3.3.1.1污水處理過程軟測量的作用廢水根據來源不同可分為工業廢水和城市生活污水,生活污水處理通常采用活性污泥法處理工藝,以BOD5(biologicaloxygendemand五天生化需氧量)作為排放污水的指標。本文論述在污水處理過程中,通過測量污泥...[繼續閱讀]

    由上面對軟測量二次變量和主導變量的分析,決定了采用的神經網絡結構是多輸入和單輸出的。由于單隱層的前饋網絡可以映射所有的連續函數,并且污水處理過程是時間的連續函數,所以設計單隱層結構,這樣不僅計算量較少,而且網絡...[繼續閱讀]

    3.3.3.1數據采集與處理選取二次變量的采樣間隔,具體時間間隔可以依據數據變化趨勢增加或減小。依據活性污泥法污水處理工藝條件,整個污水處理周期確定為3h,采樣間隔為0.5h,由實驗裝置采樣得到的一組數據形式是:X(t,DO,TOC,MLSS)=(0...[繼續閱讀]

    本章重點研究了近年提出的輸入/輸出都可以是時間過程或函數的過程神經元網絡(PNN)的軟測量理論,探求PNN在基于正交基展開算法的基函數種類、閾值調整的方法,提出具有動量項和自適應學習率權值的改進算法。通過仿真分析,采用...[繼續閱讀]

    1985年,Powell提出了多變量插值的徑向基函數(Radial-BasisFunction,RBF)方法,1988年Broomhead和Lowe首先將RBF應用于神經網絡設計,構成了徑向基函數神經網絡,對徑向基函數和多層神經網絡進行對比,揭示了兩者的關系。Moody和Darken在1989年提出了一...[繼續閱讀]

    4.1.2.1RBF網絡的特點RBF網絡的特點是單隱層,且輸入層到隱層的連接權值固定為1,用于函數逼近時,隱節點為非線性激勵函數,輸出節點為線性函數。隱節點確定后,輸出權值通過接線性方程組得到。具有局部映射的特性,如果神經網絡有輸...[繼續閱讀]

    4.1.3.1RBF神經網絡的基本算法研究RBF網絡的有監督學習算法,第一層為輸入層,由輸入矢量組成,第二層為隱含層,神經元數根據精度需要在給定范圍內自動選定,第三層為輸出層,它對輸入模式的作用做出響應。當ci確定后,網絡輸出層為隱...[繼續閱讀]

    目前,大多數城市生活污水處理廠采用活性污泥法處理工藝,活性污泥法污水處理基本流程如圖3-3所示,其運行過程包括注水、反應、沉淀、排水(排泥)等階段,首先向反應器內充水,通過攪拌使池內形成混和液,然后進入曝氣階段,在曝氣...[繼續閱讀]