共查询到20条相似文献,搜索用时 562 毫秒
1.
2.
为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。 相似文献
3.
4.
基于灰色模型和模糊神经网络的综合水质预测模型研究 总被引:2,自引:0,他引:2
水质状态变化趋势预测研究对水资源管理和维护具有重要的现实意义。提出了一种将灰色模型和模糊神经网络相结合的水质预测模型。首先基于改进的灰色模型预测出水体中各理化因子在未来一段时间内的指标变化,然后采用T-S模糊神经网络对各单因子的预测值进行数据融合,构建水质变化综合趋势预测模型,预测出下一时间段的水质整体状态指标。实验表明,这种方式用来预测湖泊水质变化趋势具有可行性;与BP网络模型相比,基于T-S模糊神经网络系统的模型具有预测精度高、模型系统稳定等优越性。 相似文献
5.
6.
制药废水UASB-HAR-ICEAS组合处理系统效能建模及优化研究 总被引:1,自引:0,他引:1
以某制药废水的升流式厌氧污泥床(UASB)-水解酸化池(HAR)-间歇式循环延时曝气活性污泥法(ICEAS)新型组合处理系统为背景,分析该系统效能,并建立遗传算法优化神经网络(GA-BPNN)模型对系统出水水质进行仿真预测,并利用建立的GA-BPNN模型对系统的运行条件进行优化研究。研究表明,在稳态运行的120 d,系统对废水COD和NH3-N去除率分别为98.6%和86.6%;GA-BPNN模型对出水COD和NH3-N的预测结果和实际监测值之间的平均绝对百分误差为5.55%和6.99%,能很好地应用于组合系统的出水水质预测管理中;GA-BPNN模型还可求解出系统的最优化运行条件,为工程实际操作提供了坚实的理论基础。 相似文献
7.
运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。 相似文献
8.
9.
10.
《环境污染与防治》2017,(8)
调峰燃煤机组的运行对选择性催化还原烟气脱硝(SCR-DeNO_x)系统的性能提出了新的挑战。通过比较BP神经网络(BP)算法和遗传算法优化BP(GABP)算法的直接模型和间接模型,得到出口NO_x浓度和氨逃逸浓度预测的最佳模型。结果表明,对出口NO_x浓度和氨逃逸浓度预测的最佳模型均为GABP算法的间接模型。该模型不仅精度高,可以适应不同的负荷,而且可以同时预测出口NO_x浓度和氨逃逸浓度。对出口NO_x浓度预测的相对误差均在±10%以内,均方根误差和平均绝对百分比误差分别仅为2.76mg/m3和4.49%;对氨逃逸浓度预测的相对误差基本都在±50%以内,均方根误差和平均绝对百分比误差分别为0.13mg/m3和24.29%。 相似文献
11.
12.
13.
在对淮南市窑河洼区环境水文地质调研基础上,对拟建窑河洼电厂灰场及邻区的浅层地下水环境质量现状进行了模糊数学评价。基于地下水水质模型,以F^-作为模拟因子,对地下水F^-浓度变化进行了数值模拟,对其5a后的污染范围和程度进行了预测评价。结果表明,模型较为可靠、合理,灰场建成后对场区及邻区地下水环境质量的短期影响不大,这为电厂灰场选址决策及电厂灰场建设后,可能引起地下水污染的范围和程度预测提供了科学依据。 相似文献
14.
15.
16.
基于主成分和粒子群优化支持向量机的水质评价模型 总被引:1,自引:0,他引:1
水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。 相似文献
17.
针对化学强化一级处理系统(CEPT)处理废水时影响因素多,难以进行适当的控制和处理效果的预测等问题,建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型,并应用该模型对烧杯试验进行了模拟.结果表明,预测值和实测值吻合较好,模型对COD、总磷、浊度去除率预测的平均相对误差分别为7.5%、4.8%和4.9%.通过对pH值和絮凝剂投药量等可控参数进行优化计算,得到CEPT系统的最佳操作条件和最合理操作条件.该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径. 相似文献
18.
针对化学强化一级处理系统(CEPT)处理废水时影响因素多,难以进行适当的控制和处理效果的预测等问题,建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型,并应用该模型对烧杯试验进行了模拟。结果表明,预测值和实测值吻合较好,模型对COD、总磷、浊度去除率预测的平均相对误差分别为7.5%、4.8%和4.9%。通过对pH值和絮凝剂投药量等可控参数进行优化计算,得到CEPT系统的最佳操作条件和最合理操作条件。该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径。 相似文献
19.