本发明涉及一种基于受限玻尔兹曼机的自组织BP神经网络出水总磷预测方法,本发明,包括以下几个步骤:1.在分析
污水处理过程可测和难测变量的基础上,将出水氨氮、溶解氧浓度、化学需氧量、出水悬浮物浓度、总氮和氧化还原电位这6个关键可测变量作为预测模型的输入参数,并进行数据预处理。2.采用基于互信息和敏感度分析的自组织BP神经网络对输入样本数据进行训练,从而实现网络结构自动调整。3.采用受限玻尔兹曼机对结构调整后的神经网络初始权值和阈值进行训练,进而提高网络收敛速度和总磷预测精度。本发明设计合理,不仅解决了传统BP神经网络在总磷预测时结构冗余,容易过拟合的问题,提高了网络的收敛速度和总磷的预测精度。
声明:
“基于受限玻尔兹曼机的自组织BP神经网络出水总磷预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)