基于PSO-RBF神经网络模型的原水水质评价方法及应用

• 作者: 周杏鹏 李世华 王冬生
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 原水水质评价 RBF神经网络 粒子群优化算法 前馈控制
• 年，卷（期）: 2011,（5）
• 页码范围: 1019-1023
• 分类号: TP183|X824
• 字数: 3956字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2011.05.024

摘要

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前馈量,增加相城水厂药剂(矾和臭氧)投加过程的前馈控制环节,使得药剂投加量能够根据原水水质的变化及时做出调整.实际应用效果表明,与改进前的反馈控制过程相比,过程出水水质更加平稳,提高了自来水生产过程应对原水水质变化的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周杏鹏	东南大学复杂工程系统测量与控制教育部重点实验室	88	838	16.0	24.0
2	王冬生	东南大学复杂工程系统测量与控制教育部重点实验室	4	38	2.0	4.0
3	李世华	东南大学复杂工程系统测量与控制教育部重点实验室	52	909	16.0	29.0