基于混合遞階遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化及在BOD軟測量中的應(yīng)用.pdf

1、隨著社會工業(yè)化的發(fā)展，城市和工業(yè)污水處理已成為環(huán)保領(lǐng)域迫在眉睫的重要課題。污水處理生物過程中不可預(yù)見的干擾大，具有典型的非線性、不穩(wěn)定、多變量等特點(diǎn)，很難建立準(zhǔn)確的數(shù)學(xué)模型，并且關(guān)鍵的水質(zhì)參數(shù)（尤其是最能體現(xiàn)污水處理性能的生化需氧量BOD）難以實(shí)現(xiàn)在線監(jiān)測。針對污水處理過程中關(guān)鍵水質(zhì)參數(shù)難以在線監(jiān)測的問題，本文提出了一種基于混合遞階遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的BOD軟測量模型。
　　本文首先運(yùn)用主元分析法(PCA)對輸入變量進(jìn)行降

2、維和去相關(guān)處理，從而簡化RBF神經(jīng)網(wǎng)絡(luò)的輸入。以不小于85％的累計(jì)貢獻(xiàn)率，把初始的10維輸入變量降到5維。然后把隱含層結(jié)構(gòu)和參數(shù)看作整體，編碼為染色體，采用具有雙層基因染色體結(jié)構(gòu)的遞階遺傳算法來優(yōu)化RBF隱含層參數(shù)，而輸出層連接權(quán)值則采用最小二乘法來確定。運(yùn)用混合遞階遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)模型，使得軟測量模型具有較強(qiáng)的自適應(yīng)性以及較好的容錯(cuò)性。最后將本文提出的軟測量模型與其他幾種模型的仿真結(jié)果作比較，可知本模型具有較好的控制精度和穩(wěn)