基于自组织模块化神经网络的污水处理过程出水参数预测
郭鑫 1,2,3,4 李文静 2,3,4乔俊飞 2,3,4
(1. 河南工业大学电气工程学院,河南 郑州 450001; 2. 北京工业大学信息学部,北京 100124; 3. 计算智能与智能系统北京市重点实验室,北京 100124; 4. 智慧环保北京实验室,北京 100124 )
DOI:10.11949/0438-1157.20240324
Prediction of effluent parameters in wastewater treatment process using self-organizing modular neural network
GUO Xin 1,2,3,4 LI Wenjing 2,3,4QIAO Junfei 2,3,4
(1. College of Electrical Engineering, Henan University of Technology, Zhengzhou 450001, Henan, China; 2. Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China; 3. Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, China; 4. Laboratory for Intelligent Environmental Protection, Beijing 100124, China )
引 言
1 EMD-SMNN结构
(1) |
(2) |
2 EMD-SMNN结构设计
2.1 基于EMD分解过程
(3) |
(4) |
(5) |
(6) |
(7) |
(8) |
(9) |
(10) |
(11) |
d[x1(t),x2(t)]= | (12) |
2.2 子网络模型结构自组织算法
(13) |
(14) |
(15) |
(16) |
(17) |
(18) |
(19) |
(20) |
(21) |
(22) |
2.3 EMD-SMNN学习过程
(23) |
3 实验结果及分析
(24) |
(25) |
3.1 Mackey-Glass时间序列预测
(26) |
表1 子网络模型的预测RMSETable 1 Prediction RMSE of sub-networks
表2 不同模型的Mackey-Glass时间序列预测结果Table 2 Prediction results of different models for Mackey-Glass time series
注:“—”表示在原文献中未给出。
3.2 Lorenz时间序列预测
(27) |
表3 子网络模型的预测RMSETable 3 Prediction RMSE of sub-networks
表4 不同模型的Lorenz时间序列预测结果Table 4 Pediction results of different models for Lorenz time series
注:“—”表示在原文献中未给出。
3.3 城市污水处理出水水质参数预测
表5 子网络模型的预测RMSETable 5 Prediction RMSE of sub-networks
表6 不同模型的出水氨氮浓度预测结果Table 6 Prediction results of different models for effluent NH4-N
注:“—”表示在原文献中未给出。
4 结论
引用本文: 郭鑫, 李文静, 乔俊飞. 基于自组织模块化神经网络的污水处理过程出水参数预测[J]. 化工学报, 2024, 75(9): 3242-3254 (GUO Xin, LI Wenjing, QIAO Junfei. Prediction of effluent parameters in wastewater treatment process using self-organizing modular neural network[J]. CIESC Journal, 2024, 75(9): 3242-3254)
通讯作者及第一作者:郭鑫(1990—),男,博士,讲师,guo_xin@haut.edu.cn