文献类型：期刊文章

作　　者：杨壮[1] 武利[1] 乔俊飞[1]

YANG Zhuang;WU Li;QIAO Jun-fei(Faculty of Information Technology,Beijing Key Laboratory of Computational Intelligence and Intelligent System,Beijing University of Technology,Beijing 100022,China)

机构地区：[1]北京工业大学信息学部计算智能与智能系统北京市重点实验室

出　　处：《控制工程》

基　　金：国家自然科学基金重点项目(61533002)

年　　份：2019

期　　号：9

起止页码：1728-1732

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：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。

关 键 词：化学需氧量 灰度预测  RBF神经网络 软测量

分 类 号：TP183] X832]