改进麻雀搜索算法的RBF神经网络水质预测

作者：宋健; 丛秋梅^*; 杨帅帅; 杨健

来源：计算机系统应用, 2023, 32(04): 255-261.

DOI：10.15888/j.cnki.csa.009044

• 污水处理
• 麻雀搜索算法
• 自适应遗传算法
• RBF神经网络

针对污水处理过程中化学需氧量(chemical oxygen demand, COD)难以在线测量的问题,提出了一种基于径向基函数(radial basis function, RBF)神经网络的软测量模型.首先,用污水处理厂实测数据挑选出与COD相关的过程变量作为输入变量;其次,基于RBF神经网络建立出水COD软测量模型,利用自适应遗传算法改进的麻雀搜索算法(adaptive genetic algorithm improved sparrow search algorithm, AGAISSA)优化RBF神经网络的中心值、宽度值以及权值,通过改进麻雀位置更新公式以及引入遗传算法中的自适应交叉和变异操作保证了软测量模型的精度;最后,将RBF神经网络的软测量模型应用于污水处理厂实测数据加以验证,结果表明:AGAISSA优化RBF神经网络模型能够对出水COD进行准确的预测,具有较高的预测精度.

• 出版日期2023
• 单位辽宁石油化工大学