發(fā)布時(shí)間：2022-01-11 16:53

　　隨著社會(huì)城鎮(zhèn)化和工業(yè)化進(jìn)程的加快,工業(yè)生產(chǎn)過程和城市用水的需求量越來越大,隨之而來的水資源污染問題也相繼增多,從而對(duì)人類的生存和發(fā)展以及社會(huì)的生態(tài)平衡帶來了很大的影響。出水氨氮（NH₄⁺-N）是水資源重要的污染物之一,可以作為評(píng)價(jià)水體質(zhì)量的一個(gè)重要指標(biāo),氨氮超標(biāo)會(huì)使水體富營(yíng)養(yǎng)化并造成環(huán)境污染。因此,為了減少氨氮濃度超標(biāo)帶來的危害,對(duì)污水中氨氮的測(cè)量和研究變得至關(guān)重要。由于實(shí)際的污水處理廠中氨氮的測(cè)量方法存在操作繁瑣,測(cè)量精度低,滯后時(shí)間長(zhǎng)且儀器維護(hù)成本高等缺點(diǎn),導(dǎo)致氨氮的含量很難實(shí)現(xiàn)在線檢測(cè)。因此,針對(duì)污水處理過程中出水氨氮的實(shí)時(shí)檢測(cè)問題,提出了一種基于遞歸正交最小二乘（Recursive Orthogonal Least Squares,ROLS）算法的自組織遞歸RBF神經(jīng)網(wǎng)絡(luò)的出水氨氮軟測(cè)量模型,并完成了出水氨氮軟測(cè)量智能系統(tǒng)的開發(fā),實(shí)現(xiàn)了出水氨氮的準(zhǔn)確預(yù)測(cè)。本文的研究工作主要分為以下幾點(diǎn):（1）基于ROLS算法的自組織遞歸RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)（ROLS-RRBF）研究。本文提出一種基于ROLS算法的自組織遞歸RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)方法。... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文內(nèi)容安排Fig.1-1Thestudycontentofthesis其中，各個(gè)章節(jié)的具體介紹如下：第1章緒論

3 章 基于 ROLS 算法的遞歸 RBF 神經(jīng)網(wǎng)絡(luò)設(shè)歸 RBF 神經(jīng)網(wǎng)絡(luò)饋型人工神經(jīng)網(wǎng)絡(luò)中，RBF 神經(jīng)網(wǎng)絡(luò)是一種比較常見的人工然 RBF 神經(jīng)網(wǎng)絡(luò)可以以較高的精度逼近任意非線性函數(shù)，并強(qiáng)等優(yōu)點(diǎn)。但是 RBF 神經(jīng)網(wǎng)絡(luò)也存在著一定的缺點(diǎn)，比如非力有限，無(wú)法去自適應(yīng)動(dòng)態(tài)的工況和外界變化的環(huán)境[86]-[87]。BF 神經(jīng)網(wǎng)絡(luò)在 RBF 神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上加入了反饋環(huán)節(jié)，所以能較好的處理動(dòng)態(tài)變化的信息，并且可以自適應(yīng)外界復(fù)雜的工8]-[90]。 RBF 神經(jīng)網(wǎng)絡(luò)是一種三層網(wǎng)絡(luò)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，其三層網(wǎng)絡(luò)含層、輸出層構(gòu)成。遞歸 RBF 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖 3-1 所示

圖 3-2 ROLS-RRBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.3-2 The figure of ROLS-recurrent RBF neural network.2.2 遞歸正交最小二乘算法因?yàn)楸疚氖歉鶕?jù)遞歸正交最小二乘(Recursive Orthogonal Least SquarOLS)算法[96]計(jì)算 ROLS-RRBF 神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元的獨(dú)立貢獻(xiàn)度來調(diào)整結(jié)構(gòu)，所以對(duì) ROLS 算法介紹如下：隨意選取 N 個(gè)輸入、輸出樣本，每個(gè)有 p 個(gè)變量，則有： Y t Y t +E t V t W t E t(3中，在 t 時(shí)刻，網(wǎng)絡(luò)的期望輸出矩陣和輸出矩陣分別為 Y(t) RN×p， (t) RN含層神經(jīng)元的輸出權(quán)值矩陣和輸出矩陣分別為 W(t) Rm×p和 V(t) RN×m，網(wǎng)誤差矩陣為 E(t) RN×p。由公式(3-4)有： J t Ε t Y t V t W t(3

【參考文獻(xiàn)】：
期刊論文
[1]基于相對(duì)貢獻(xiàn)指標(biāo)的自組織RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)[J]. 喬俊飛,安茹,韓紅桂.  智能系統(tǒng)學(xué)報(bào). 2018(02)
[2]基于遞歸RBF神經(jīng)網(wǎng)絡(luò)的出水氨氮預(yù)測(cè)研究[J]. 喬俊飛,馬士杰,許進(jìn)超.  計(jì)算機(jī)與應(yīng)用化學(xué). 2017(02)
[3]基于RBF神經(jīng)網(wǎng)絡(luò)的出水氨氮預(yù)測(cè)研究[J]. 喬俊飛,安茹,韓紅桂.  控制工程. 2016(09)
[4]氨氮廢水處理技術(shù)發(fā)展現(xiàn)狀[J]. 魯秀國(guó),羅軍,賴祖明.  華東交通大學(xué)學(xué)報(bào). 2015(02)
[5]氨氮廢水處理技術(shù)研究進(jìn)展[J]. 劉莉峰,宿輝,李鳳娟,武寧寧,李明月,崔會(huì)為.  工業(yè)水處理. 2014(11)
[6]厭氧氨氧化污水處理工藝及其實(shí)際應(yīng)用研究進(jìn)展[J]. 陳重軍,王建芳,張海芹,沈耀良.  生態(tài)環(huán)境學(xué)報(bào). 2014(03)
[7]污水處理過程出水水質(zhì)多模型在線軟測(cè)量方法[J]. 張昭昭.  控制工程. 2014(01)
[8]現(xiàn)代分析技術(shù)在水質(zhì)氨氮監(jiān)測(cè)中的應(yīng)用[J]. 尹洧.  中國(guó)無(wú)機(jī)分析化學(xué). 2013(02)
[9]污水氨氮檢測(cè)方法問題分析及改進(jìn)[J]. 杜曉旭,康俊巍,徐艷偉,張冬,李慧娟,趙剛.  輕工科技. 2012(11)
[10]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)

碩士論文
[1]神經(jīng)網(wǎng)絡(luò)在腎透機(jī)系統(tǒng)故障診斷中的應(yīng)用研究[D]. 危屹.西安工業(yè)大學(xué) 2015
[2]基于遺傳算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在污水處理中的研究與應(yīng)用[D]. 叢露露.華東理工大學(xué) 2014
[3]污水中氨氮在線檢測(cè)方法關(guān)鍵技術(shù)的研究[D]. 劉紀(jì)民.河北工業(yè)大學(xué) 2011
[4]基于液體狀態(tài)機(jī)的腦運(yùn)動(dòng)神經(jīng)系統(tǒng)的建模研究[D]. 黃江帥.華中科技大學(xué) 2009



本文編號(hào)：3583127