基于改进粒子群算法优化BP神经网络的废水处理软测量模型

• 作者: 何丹 林来鹏 李小勇 牛国强 易晓辉 黄明智
• 来源期刊: 华南师范大学学报（自然科学版）
• 关键词: 废水处理 BP神经网络 改进的粒子群算法 软测量
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机科学与软件工程|Computer Science & Software Engineering
• 页码范围: 114-120
• 页数: 7页
• 分类号: X703|TP183
• 语种: 中文
• DOI: 10.6054/j.jscnun.2021034

摘要

针对废水处理过程BP神经网络软测量模型受处理过程非线性特征影响,存在收敛速度慢、陷入局部极小点等问题,用改进的粒子群算法(PSO)优化BP神经网络,建立废水处理过程中出水化学需氧量(CODeff)与出水固体悬浮物(SSeff)的软测量模型(PSO-BP模型),并与基于遗传算法-BP神经网络算法的模型(GA-BP模型)及BP模型的预测效果进行对比.研究结果表明:采用PSO-BP模型预测CODeff时,均方根误差(RMSE)、决定系数(R2)分别为3.9955、0.6401,而用于预测SSeff时,RMSE、R2分别为0.6503、0.6811;相比BP模型和GA-BP模型,PSO-BP模型对CODeff的预测性能分别提高了4.49％、0.44％,对SSeff的预测性能分别提高了40.11％、24.77％.