期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SVR误差补偿技术的神经网络城市污水厂水质预测
1
作者
冯骁
夏文泽
+3 位作者
王喆
钱志明
刘杰
许雪乔
《净水技术》
CAS
2021年第3期92-98,158,共8页
城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获...
城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正。为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对比试验。试验结果表明,SVR误差补偿模型可有效提高模型预测的精度,且模型性能优于马尔科夫补偿模型。
展开更多
关键词
污水水质预测
BP神经网络误差
马尔科夫链补偿
SVR误差补偿
在线阅读
下载PDF
职称材料
基于新型联合循环神经网络(RNN)模型的出水总氮预测
被引量：
7
2
作者
夏文泽
冯骁
+3 位作者
王喆
钱志明
刘杰
许雪乔
《净水技术》
CAS
2021年第8期107-113,共7页
为了提高污水处理过程中出水TN的预测精度,提出一种基于联合RNN神经网络的出水TN预测算法。该联合RNN神经网络是基于传统RNN网络的改进型网络,其由一系列并排的单RNN网络构成,每个RNN网络的输出不仅与本网络的当前和历史输入相关,还与相...
为了提高污水处理过程中出水TN的预测精度,提出一种基于联合RNN神经网络的出水TN预测算法。该联合RNN神经网络是基于传统RNN网络的改进型网络,其由一系列并排的单RNN网络构成,每个RNN网络的输出不仅与本网络的当前和历史输入相关,还与相邻RNN网络的历史输入相关。网络的训练过程分为两步,首先断开不同RNN网络的连接,单独训练每一个RNN网络,然后恢复不同RNN网络的连接,联合训练所有RNN网络。利用来自真实水厂的水质数据与常规RNN网络进行对比试验,试验结果显示,联合RNN网络的效果(R=0.902,E=0.245)好于常规RNN网络的效果(R=0.863,E=0.361),这证明所提出的算法提高了出水TN的预测精度。
展开更多
关键词
污水处理过程
总氮预测
智能模型
循环神经网络(RNN)
在线阅读
下载PDF
职称材料
题名
基于SVR误差补偿技术的神经网络城市污水厂水质预测
1
作者
冯骁
夏文泽
王喆
钱志明
刘杰
许雪乔
机构
北京华展汇元信息技术有限公司
北京
首创股份
有限公司
技术
中心
出处
《净水技术》
CAS
2021年第3期92-98,158,共8页
文摘
城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正。为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对比试验。试验结果表明,SVR误差补偿模型可有效提高模型预测的精度,且模型性能优于马尔科夫补偿模型。
关键词
污水水质预测
BP神经网络误差
马尔科夫链补偿
SVR误差补偿
Keywords
wastewater quality prediction
BP neural network error
Markov chain compensation
SVR error compensation
分类号
TU992.3 [建筑科学—市政工程]
在线阅读
下载PDF
职称材料
题名
基于新型联合循环神经网络(RNN)模型的出水总氮预测
被引量：
7
2
作者
夏文泽
冯骁
王喆
钱志明
刘杰
许雪乔
机构
北京华展汇元信息技术有限公司
北京
首创股份
有限公司
技术
中心
出处
《净水技术》
CAS
2021年第8期107-113,共7页
基金
水体污染控制与治理科技重大专项(2017ZX07102)。
文摘
为了提高污水处理过程中出水TN的预测精度,提出一种基于联合RNN神经网络的出水TN预测算法。该联合RNN神经网络是基于传统RNN网络的改进型网络,其由一系列并排的单RNN网络构成,每个RNN网络的输出不仅与本网络的当前和历史输入相关,还与相邻RNN网络的历史输入相关。网络的训练过程分为两步,首先断开不同RNN网络的连接,单独训练每一个RNN网络,然后恢复不同RNN网络的连接,联合训练所有RNN网络。利用来自真实水厂的水质数据与常规RNN网络进行对比试验,试验结果显示,联合RNN网络的效果(R=0.902,E=0.245)好于常规RNN网络的效果(R=0.863,E=0.361),这证明所提出的算法提高了出水TN的预测精度。
关键词
污水处理过程
总氮预测
智能模型
循环神经网络(RNN)
Keywords
wastewater treatment process
prediction of TN
intelligent model
recurrent neural network(RNN)
分类号
TU992.3 [建筑科学—市政工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SVR误差补偿技术的神经网络城市污水厂水质预测
冯骁
夏文泽
王喆
钱志明
刘杰
许雪乔
《净水技术》
CAS
2021
0
在线阅读
下载PDF
职称材料
2
基于新型联合循环神经网络(RNN)模型的出水总氮预测
夏文泽
冯骁
王喆
钱志明
刘杰
许雪乔
《净水技术》
CAS
2021
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
