| 基于ANN 的SBBR 短程硝化过程仿真研究 |
| |
| 引用本文： | 曹明,杨朝晖,曾光明,许朕,徐峥勇,谭文化. 基于ANN 的SBBR 短程硝化过程仿真研究[J]. 中国环境科学, 2008, 28(8): 694-698 |
| |
| 作者姓名： | 曹明 杨朝晖 曾光明 许朕 徐峥勇 谭文化 |
| |
| 作者单位： | 1.湖南大学环境科学与工程学院,湖南 长沙 410082；2.常德市环境卫生管理处,湖南 常德 415000 |
| |
| 基金项目： | 国家重点基础研究发展计划(973计划)，国家自然科学基金 |
| |
| 摘 要： | 利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB 语言环境下建立了进水NH4+-N﹑DO﹑温度以及外加碳源与出水NH4+-N 和NO2--N 之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH4+-N 和温度对短程硝化过程表现出较大的影响.
|
| 关 键 词： | 人工神经网络 误差反向传播算法 自适应学习率 短程硝化 |
| 收稿时间： | 1900-01-01; |
Simulation based on artificial neural network for SBBR shortcut nitrification treatment |
| |
| CAO Ming,YANG Zhao-hui,ZENG Guang-ming,XU Zhen,XU Zheng-yong,TAN Wen-hua. Simulation based on artificial neural network for SBBR shortcut nitrification treatment[J]. China Environmental Science, 2008, 28(8): 694-698 |
| |
| Authors: | CAO Ming YANG Zhao-hui ZENG Guang-ming XU Zhen XU Zheng-yong TAN Wen-hua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《中国环境科学》浏览原始摘要信息 |
|
点击此处可从《中国环境科学》下载免费的PDF全文 |
|
