基于GM-RBF神经网络的污水环境预测

作者：杨壮; 武利; 乔俊飞^*

来源：控制工程, 2019, 26(09): 1728-1732.

DOI：10.14107/j.cnki.kzgc.170654

• 化学需氧量
• 灰度预测
• RBF神经网络
• 软测量

针对测量污水环境水参数化学需氧量(COD)难于测量的问题,提出了基于径向基网络的灰度理论预测模型(GM-RBF),对化学需氧量进行预测。利用灰度理论能对系统行为的发展变化进行预测的特点,结合径向基神经网络的高精度逼近能力,提高了预测模型的精度。研究了对污水处理过程关键水质参数的建模预测,实验证明该模型能以较高精度对COD进行预测,预测值最接近真实值,提供了可靠的COD参数值。

• 单位
  北京工业大学