基于广义回归神经网络的COD在线检测方法研究

被引:11
作者
张荣标
冯俊
谢志超
机构
[1] 江苏大学电气信息工程学院
关键词
广义回归神经网络; 特征提取; 紫外光谱; COD;
D O I
10.19650/j.cnki.cjsi.2008.11.022
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
采用化学分析法检测污水中COD值的现有技术,检测过程复杂、测取速度慢,难以实现在线检测。根据紫外光谱对有机污染物的敏感特性,结合神经网络对非线性模型的良好辨识能力,研究出一种COD快速检测的方法。采用多波长在线扫描技术获取被测污水COD的光谱数据,通过特征提取简化样本数据,运用广义回归神经网络(GRNN)建立COD值预测模型。采用多种建模方法对具有不同COD值的水样光谱数据进行分析比较结果表明:GRNN比BP网络和多元线性回归方法建模具有更好的相关性、更强的泛化能力和更高的检测精度。
引用
收藏
页码:2357 / 2361
页数:5
相关论文
共 4 条
  • [1] 基于小波熵的微弱信号检测方法研究
    张荣标
    胡海燕
    冯友兵
    [J]. 仪器仪表学报, 2007, (11) : 2078 - 2084
  • [2] 基于广义回归神经网络的线材温度预测分析
    李琳
    潘福臣
    房刚
    [J]. 仪器仪表学报, 2006, (S1) : 839 - 841
  • [3] A rapid analytical method for predicting the oxygen demand of wastewater
    Fogelman, Shoshana
    Zhao, Huijun
    Blumenstein, Michael
    [J]. ANALYTICAL AND BIOANALYTICAL CHEMISTRY, 2006, 386 (06) : 1773 - 1779
  • [4] Estimation of chemical oxygen demand by ultraviolet spectroscopic profiling and artificial neural networks[J] . Shoshana Fogelman,Michael Blumenstein,Huijun Zhao.Neural Computing and Applications . 2006 (3)