基于自组织模糊神经网络的出水总磷预测
乔俊飞1
周红标2
1.北京工业大学信息学部,北京100124;计算智能和智能系统北京市重点实验室,北京1001242.北京工业大学信息学部,北京100124;计算智能和智能系统北京市重点实验室,北京100124;淮阴工学院自动化学院,江苏淮安223003
摘要：针对污水处理过程出水总磷预测问题,本文提出一种基于改进Levenberg-Marquardt(improved LevenbergMarquardt,ILM)学习算法和奇异值分解(singular value decomposition,SVD)的适于在线建模的自组织模糊神经网络(fuzzy neural network,FNN)预测方法.ILM-SVDFNN采用改进LM学习算法对隶属函数中心、宽度和输出权值进行训练.在参数自适应学习的同时,采用单边Jacobi变换实现规则层输出阵的奇异值分解,根据奇异值定义增长和修剪指标实现规则层神经元在线动态调整.此外,证明了所提方法在网络结构固定和调整阶段的收敛性.最后,利用典型非线性系统辨识、Mackey-Glass时间序列预测和实际污水处理过程出水总磷预测实验进行验证.仿真结果显示所设计的自组织模糊神经网络结构紧凑且预测精度较高,较好地满足了污水处理厂对出水总磷检测精度和实时性的要求.
关键词：出水总磷模糊神经网络自组织模糊神经网络改进Levenberg-Marquardt奇异值分解
分类号：TP183(自动化基础理论)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 224-232 )
英文信息