科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高好氧堆肥曝气供氧量的曝气效率以及预测精度，该研究利用遗传算法（genetic algorithm, GA）对标准反向传播（back propagation, BP）神经网络的初始权值和阈值进行优化，再利用克隆选择算法（clonal genetic algorithm, CGA）优化遗传算法中的变异算子并复制算子，加快获取最优参数的速度，构建基于CGA-BP神经网络的曝气供氧量预测模型。为验证CGA-BP模型的有效性，与BP模型、GA-BP模型预测结果进行对比。试验结果表明：克隆遗传算法优化BP神经网络能加快获得最优解，效率相比BP模型和GA-BP模型分别提高了75.36%、51.30%；在曝气供氧量预测模型中，CGA-BP模型具有更准确的预测效果，预测精度为99.65%，而BP模型与GA-BP模型预测精度分别为96.99%、99.26%;CGA-BP模型评价指标的均方误差、平均绝对误差、平均绝对百分误差分别为0.003 4、0.038 9和0.350 6，均小于BP神经网络和GA-BP神经网络模型评价指标的误差；利用CGA-BP好氧堆肥曝气供氧量预测模型对好氧堆肥发酵过程进行精准曝气，提高了3.22%的曝气控制效率。由此可知CGA-BP神经网络模型有更好的预测效果，可满足好氧堆肥在发酵过程中曝气供氧量的需求，提高曝气效率，为精准控制曝气提供更直接有效的方法。
- 出版日期2023
- 单位黑龙江八一农垦大学
