Bagging集成RW-RBF的水厂消毒预测模型

作者：唐宇; 徐冰峰^*; 山丕斌; 姜月月; 伍籼融; 施谨超

来源：能源工程, 2023, 43(01): 66-71.

DOI：10.16189/j.cnki.nygc.2023.01.010

• RBF神经网络
• Bagging集成算法
• 水厂
• 消毒
• 预测模拟

采用RW(随机游走算法)优化RBF(径向基函数)神经网络后作为集成学习(Bagging)的弱学习器。选取清水池进水流量(Q)、滤后浊度(NTU)、滤后余氯(Cl-into)、出厂水余氯(Cl-out)、耗氧量作为输入因子，投药量作为输出因子，建立基于Bagging集成RW-RBF模型对水厂消毒投加进行预测。相较于RBF神经网络和RW-RBF模型，Bagging集成RW-RBF模型平均相对误差降低了90.3%、73.7%;均方根误差分别降低了83.7%、40.6%,说明该模型具有强大的非线性拟合能力，泛化能力强，稳定性高，对供水行业滤后消毒药剂投加量预测有指导作用。

• 单位
  建筑工程学院; 中国电建集团昆明勘测设计研究院有限公司; 昆明理工大学