基于GM-RBF神经网络的污水环境预测

• 作者: 乔俊飞 杨壮 武利
• 来源期刊: 控制工程
• 学科: 地球科学
• 关键词: 化学需氧量 灰度预测 RBF神经网络 软测量
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 1728-1732
• 页数: 5页
• 分类号: X832|TP183
• 字数: 3771字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170654

摘要

针对测量污水环境水参数化学需氧量(COD)难于测量的问题,提出了基于径向基网络的灰度理论预测模型(GM-RBF),对化学需氧量进行预测.利用灰度理论能对系统行为的发展变化进行预测的特点,结合径向基神经网络的高精度逼近能力,提高了预测模型的精度.研究了对污水处理过程关键水质参数的建模预测,实验证明该模型能以较高精度对COD进行预测,预测值最接近真实值,提供了可靠的COD参数值.