基于PLSR自适应深度信念网络的出水总磷预测

• 作者: 乔俊飞 李文静 王功明
• 来源期刊: 化工学报
• 关键词: 出水总磷 PLSR 自适应学习率 深度学习 深度信念网络
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 过程系统工程
• 页码范围: 1987-1997
• 页数: 11页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161826

摘要

针对污水处理过程出水总磷预测问题存在的强非线性、大时变等特征,提出了一种基于偏最小二乘回归自适应深度信念网络(partial least square regression adaptive deep belief network,PLSR-ADBN)的出水总磷预测方法.PLSR-ADBN是基于深度学习模型DBN的一种改进型建模方法.首先,将自适应学习率引入到DBN的无监督预训练(pre-training)阶段,来提高网络收敛速度.其次,利用PLSR方法取代传统DBN中基于梯度的逐层权值精调(fine-tuning)方法,来提高网络预测精度.同时,通过构造李雅普诺夫函数证明了PLSR-ADBN学习过程的收敛性.最后,将PLSR-ADBN用于实际污水处理过程出水总磷预测中.实验结果表明所提出的PLSR-ADBN收敛速度快且预测精度高,能够满足实际污水处理过程对出水总磷监测精度和运行效率的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
3	王功明	北京工业大学信息学部	4	39	3.0	4.0
7	李文静	北京工业大学信息学部	26	118	6.0	9.0