基于ANN的SBBR短程硝化过程仿真研究

被引：4

作者：

曹明 ^{[1
]}

杨朝晖 ^{[1
]}

曾光明 ^{[1
]}

许朕 ^{[1
]}

徐峥勇 ^{[1
]}

谭文化 ^{[2
]}

机构：

[1] 湖南大学环境科学与工程学院

[2] 常德市环境卫生管理处

来源：

中国环境科学 | 2008年 / 08期

关键词：

人工神经网络; 误差反向传播算法; 自适应学习率; 短程硝化;

D O I：

暂无

中图分类号：

X703 [废水的处理与利用];

学科分类号：

083002 ;

摘要：

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB语言环境下建立了进水NH4+-N﹑DO﹑温度以及外加碳源与出水NH4+-N和NO2--N之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅有13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH4+-N和温度对短程硝化过程表现出较大的影响.

引用

页码：694 / 698

页数：5

共 7 条

[1] 神经网络与模拟退火算法结合的锅炉低NOx燃烧优化 [J].

周昊 ;

钱欣平 ;

郑立刚 ;

翁安心 ;

岑可法 .

环境科学, 2003, (06) :63-67

[2] 利用人工神经网络对空气中O3浓度进行预测 [J].

万显烈 ;

杨凤林 ;

王慧卿 .

中国环境科学, 2003, (01) :111-113

[3]

新型生物脱氮理论与技术.[M].郑平等编著;.科学出版社.2004,

[4]

An accurate comparison of methods for quantifying variable importance in artificial neural networks using simulated data.[J].Julian D Olden;Michael K Joy;Russell G Death.Ecological Modelling.2004, 3

[5] A neural network model to predict the wastewater inflow incorporating rainfall events [J].

El-Din, AG ;

Smith, DW .

WATER RESEARCH, 2002, 36 (05) :1115-1126

[6] Simultaneous P and N removal in a sequencing batch biofilm reactor: insights from reactor- and microscale investigations [J].

Gieseke, A ;

Arnz, P ;

Amann, R ;

Schramm, A .

WATER RESEARCH, 2002, 36 (02) :501-509

[7]

Illuminating the “black box”: a randomization approach for understanding variable contributions in artificial neural networks.[J].Julian D Olden;Donald A Jackson.Ecological Modelling.2002, 1

← 1 →