改进K-means算法优化RBF神经网络的出水氨氮预测

• 作者: 乔俊飞 孙玉庆 韩红桂
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 氨氮预测 RBF神经网络 K-means算法 密度指标
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 工业过程及控制系统
• 页码范围: 375-379
• 页数: 5页
• 分类号: TP173
• 字数: 5097字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160337

摘要

为提高污水处理过程中出水氨氮的预测精度,并针对RBF神经网络参数难以确定的问题,提出一种改进K-means算法优化RBF神经网络的氨氮预测算法.首先,计算每个样本点的密度值,以其大小是否满足一个阈值为条件,判定该点是否为孤立点或噪声点,来消除孤立点和噪声点对 K-means 算法的影响;然后利用减法聚类算法初始化K-means算法的聚类中心,并得到聚类中心的个数,将改进后的K-means算法优化RBF神经网络结构;最后,通过对污水处理过程中出水氨氮的实际预测实验,表明所提出的算法具有较强的逼近能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔俊飞	北京工业大学信息学部	181	1883	22.0	31.0
2	韩红桂	北京工业大学信息学部	73	706	16.0	21.0
3	孙玉庆	北京工业大学信息学部	1	11	1.0	1.0