过程神经元网络的学习算法目前国内只有何新贵院士、许少华博士提出了几种方法[23]。主要有基于梯度下降的学习算法,该算法借鉴了传统的BP算法[111-112];基于函数正交基展开的学习算法,在输入空间中引入一组适当的函数正交基,将...[继续阅读]

    将图3-2所示的过程神经元网络作为软测量模型,采用基于函数正交基展开的过程神经元网络学习算法,发现在污水处理软测量和预测实际应用中存在收敛速度慢,局部最小等问题。通过仿真实验发现网络经常发生“假饱和”和严重振荡...[继续阅读]

    3.3.1.1污水处理过程软测量的作用废水根据来源不同可分为工业废水和城市生活污水,生活污水处理通常采用活性污泥法处理工艺,以BOD5(biologicaloxygendemand五天生化需氧量)作为排放污水的指标。本文论述在污水处理过程中,通过测量污泥...[继续阅读]

    由上面对软测量二次变量和主导变量的分析,决定了采用的神经网络结构是多输入和单输出的。由于单隐层的前馈网络可以映射所有的连续函数,并且污水处理过程是时间的连续函数,所以设计单隐层结构,这样不仅计算量较少,而且网络...[继续阅读]

    3.3.3.1数据采集与处理选取二次变量的采样间隔,具体时间间隔可以依据数据变化趋势增加或减小。依据活性污泥法污水处理工艺条件,整个污水处理周期确定为3h,采样间隔为0.5h,由实验装置采样得到的一组数据形式是:X(t,DO,TOC,MLSS)=(0...[继续阅读]

    本章重点研究了近年提出的输入/输出都可以是时间过程或函数的过程神经元网络(PNN)的软测量理论,探求PNN在基于正交基展开算法的基函数种类、阈值调整的方法,提出具有动量项和自适应学习率权值的改进算法。通过仿真分析,采用...[继续阅读]

    1985年,Powell提出了多变量插值的径向基函数(Radial-BasisFunction,RBF)方法,1988年Broomhead和Lowe首先将RBF应用于神经网络设计,构成了径向基函数神经网络,对径向基函数和多层神经网络进行对比,揭示了两者的关系。Moody和Darken在1989年提出了一...[继续阅读]

    4.1.2.1RBF网络的特点RBF网络的特点是单隐层,且输入层到隐层的连接权值固定为1,用于函数逼近时,隐节点为非线性激励函数,输出节点为线性函数。隐节点确定后,输出权值通过接线性方程组得到。具有局部映射的特性,如果神经网络有输...[继续阅读]

    4.1.3.1RBF神经网络的基本算法研究RBF网络的有监督学习算法,第一层为输入层,由输入矢量组成,第二层为隐含层,神经元数根据精度需要在给定范围内自动选定,第三层为输出层,它对输入模式的作用做出响应。当ci确定后,网络输出层为隐...[继续阅读]

    目前,大多数城市生活污水处理厂采用活性污泥法处理工艺,活性污泥法污水处理基本流程如图3-3所示,其运行过程包括注水、反应、沉淀、排水(排泥)等阶段,首先向反应器内充水,通过搅拌使池内形成混和液,然后进入曝气阶段,在曝气...[继续阅读]