基于BP神經(jīng)網(wǎng)絡(luò)及SVM的MBR膜污染預(yù)測研究.pdf

1、研究MBR膜通量進(jìn)行膜污染預(yù)測是當(dāng)今污水處理研究領(lǐng)域的重要課題之一。針對MBR膜污染因子較為復(fù)雜且各因子之間相互交叉，首先用主元分析法實(shí)現(xiàn)輸入變量的降維和去相關(guān)，求出影響膜污染最為明顯的三大因素:混合液懸浮固體、總阻力和操作壓力，接著用BP神經(jīng)網(wǎng)絡(luò)建立這三大參數(shù)與表征膜污染程度大小的膜通量之間關(guān)系的MBR智能仿真系統(tǒng)模型。由于BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法，因而不可避免的存在網(wǎng)絡(luò)訓(xùn)練速度慢，對初始權(quán)值閾值敏感，容易陷入局部極小點(diǎn)等缺陷，而遺

2、傳算法具有全局尋優(yōu)能力和初值無關(guān)性，具有較快的收斂速度，可防止陷入局部極小的優(yōu)點(diǎn)，因此本文接著用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值閾值，建立基于GA-BP網(wǎng)絡(luò)的MBR膜污染預(yù)測模型。
　　 但由于GA-BP算法是建立在BP網(wǎng)絡(luò)的基礎(chǔ)上，如果BP網(wǎng)絡(luò)建立的不好，即訓(xùn)練樣本的選擇、隱層節(jié)點(diǎn)數(shù)的確定不合理將會使GA不能很好的優(yōu)化，且BP神經(jīng)網(wǎng)絡(luò)是建立在大樣本的基礎(chǔ)之上，而MBR膜通量預(yù)測的樣本數(shù)目是有限的，因此針對MBR膜污染數(shù)據(jù)的小

3、樣本、非線性特點(diǎn)，最后引進(jìn)支持向量機(jī)法，同時(shí)為避免人工設(shè)定參數(shù)的盲目性，同樣采用遺傳算法優(yōu)化支持向量機(jī)的有關(guān)參數(shù)，建立了基于GA-SVM的MBR膜污染預(yù)測模型。
　　 實(shí)驗(yàn)研究表明，在相同條件下，經(jīng)過GA優(yōu)化后的MBR膜污染BP網(wǎng)絡(luò)模型對膜通量的預(yù)測效果明顯優(yōu)于未優(yōu)化的BP網(wǎng)絡(luò)的預(yù)測效果，說明MBR膜污染的GA-BP模型較BP網(wǎng)絡(luò)模型更適合于模擬MBR膜污染過程。但是當(dāng)引入支持向量機(jī)后，發(fā)現(xiàn)GA-SVM預(yù)測擬合效果相對是最好的，