-
公开(公告)号：CN115293327A
公开(公告)日：2022-11-04
申请号：CN202210861672.6
申请日：2022-07-22
Applicant: 北京工业大学
Abstract: 一种基于流水线递归小波神经网络的出水氨氮预测方法本发明涉及人工智能领域，直接应用于污水处理领域。本发明提出了一种基于流水线递归小波神经网络的出水NH4‑N预测方法。采用已有的出水NH4‑N数据，构建流水线递归小波神经网络对出水NH4‑N下一时刻的值进行预测。同时通过改进的自适应学习率算法对网络参数进行训练。以提高污水处理过程中出水NH4‑N的预测精度。
-
公开(公告)号：CN113111576A
公开(公告)日：2021-07-13
申请号：CN202110354522.1
申请日：2021-03-30
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/00 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 一种基于混合编码粒子群‑长短期神经网络的出水氨氮软测量方法，属于污水处理领域和人工智能领域。由于氨氮浓度在线监测设备技术含量高、价格昂贵，并且由于城市污水处理过程存在着不确定、多过程、强耦合、非线性和时变等特点，很难通过反应机理建立准确的数学模型。本发明利用基于混合粒子群‑长短期记忆神经网络建立出水氨氮浓度的软测量模型：首先根据长短期记忆神经网络的参数和结构对粒子的位置进行混合编码；然后提出一种更新机制来调整混合编码的粒子，直到获得满足需求的神经网络模型。本发明实现对出水氨氮浓度的准确测量，有助于保障城市污水处理过程的正常运行，提高污水处理的质量。
-
公开(公告)号：CN119717523A
公开(公告)日：2025-03-28
申请号：CN202411860365.1
申请日：2024-12-17
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于概率与维度联合预测的污水处理过程动态多目标优化控制方法，涉及污水处理技术领域。包括：获取污水处理过程的过程数据，其中；根据基于支持向量回归的预测器和过程数据构建优化目标函数；利用基于概率与维度联合预测的动态多目标优化算法和快速精英多目标遗传算法对目标函数进行求解得到一组Pareto最优解；根据一组Pareto最优解确定第五分区溶解氧浓度和第二分区硝态氮浓度的优化设定值；利用PID控制器和第五分区溶解氧浓度和第二分区硝态氮浓度的优化设定值进行实际第五分区溶解氧浓度和第二分区硝态氮浓度值的跟踪控制。本发明解决了现有技术中对应污水处理控制精确度低下的问题。
-
公开(公告)号：CN119668092A
公开(公告)日：2025-03-21
申请号：CN202411809649.8
申请日：2024-12-10
Applicant: 北京工业大学
IPC: G05B13/02
Abstract: 本发明提供了一种基于相关熵的事件触发递归模糊神经网络多变量控制方法，该方法包括：获取污水处理过程数据；通过污水处理过程数据构建初始模糊神经网络；构建事件触发结构调整机制，并通过事件触发结构调整机制对初始模糊神经网络进行结构调整，得到优化模糊神经网络；通过相关熵对优化模糊神经网络进行参数更新，得到更新模糊神经网络；通过李雅普诺夫函数对更新模糊神经网络进行验证，得到递归模糊神经网络；通过递归模糊神经网络对污水处理过程进行变量控制。该方法通过递归模糊神经网络控制污水处理过程，解决了难以控制溶解氧和硝态氮的问题，提高了控制的精确度和效率。
-
公开(公告)号：CN119444492A
公开(公告)日：2025-02-14
申请号：CN202411468339.4
申请日：2024-10-21
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于多任务插值回声状态网络的电力消耗预测方法。涉及电力消耗预测技术领域，包括：获取待测污水数据；利用合成时间序列，根据所述待测污水数据得到待输入数据；将所述待输入数据输入到多任务插值回声状态网络模型中，得到电力消耗预测值，其中，所述电力消耗预测值为泵送能耗值和曝气能耗值，所述多任务插值回声状态网络的模型包括输入层、储备池和输出层。本发明解决了现有技术中针对污水处理过程的泵送能耗和曝气能耗难以实现精准高效预测的问题。
-
Patent Agency Ranking
公开(公告)号：CN116451763B
公开(公告)日：2024-04-12
申请号：CN202310273240.8
申请日：2023-03-17
Applicant: 北京工业大学
IPC: G06N3/08 , G01N33/18 , G06F18/2135 , G06N3/006 , G06N3/048
Abstract: 本发明提供了一种基于EDDESN的出水NH4‑N预测方法，包括：获取待测数据；将待测数据输入训练好的深度回声状态网络，得到预测的NH4‑N的浓度；其中，深度回声状态网络的构建方法包括：构建原始网络，原始网络包括：多个输入变量和储备池；相邻的储备池之间加入有PCA映射层；对原始网络进行初始化设置，得到初始化网络；利用奇异值分解的矩阵生成方法和CSO算法对初始化网络进行参数优化，得到优化网络；对优化网络进行训练和测试，得到训练好的深度回声状态网络。本发明解决了现有技术中对于出水NH4‑N预测存在预测精度低、稳定性弱和维护成本高的问题。
-
公开(公告)号：CN116151121B
公开(公告)日：2024-03-26
申请号：CN202310181946.1
申请日：2023-02-21
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于神经网络的出水NH4‑N软测量方法，包括：对构建的回声状态网络的网络结构及网络参数进行初始化；基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池；根据条件数和差分进化算法优化子储备池；对优化后的子储备池的权值、输入权值和状态矩阵进行更新，并判断迭代次数是否小于预设迭代阈值，若是，则跳转至步骤“基于初始化后的回声状态网络，根据奇异值分解方法构造子储备池”；若是，则计算输出权值；根据输出权值和测试样本对回声状态网络进行测试，得到确定好的出水NH4‑N检测模型；将待检测数据输入至确定好的出水NH4‑N检测模型中，得到检测结果。本发明为污水处理过程中关键水质参数的测量提供了一种高效快速的解决方案。
-
公开(公告)号：CN113487009A
公开(公告)日：2021-10-08
申请号：CN202110675569.8
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RESN‑SOL神经网络的分类方法。本方法主要操作流程如下：首先，采用不敏感损失函数对网络的预测性能进行评估以提高回声状态网络预测模型的鲁棒性；其次，利用输入样本驱动网络模型，采用在线梯度下降法对所建网络模型进行训练；再次，设计稀疏逼近算法将输出权重矩阵中的较小权重逼近为零，以提高网络的稀疏性；最后对数据集中的样本进行分类，使其误差最小化，提高了网络结构稀疏性。本发明利用RESN‑SOL神经网络进行分类，具有分类准确率高、稳定性强、维护成本低、计算时间短等优点。
-
公开(公告)号：CN112801310A
公开(公告)日：2021-05-14
申请号：CN202011291260.0
申请日：2020-11-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于C‑W节约算法的车辆路径优化方法。本方法主要操作流程如下：首先将各客户单独与回收网点连接，构成n条仅含有一个客户的线路，然后按节约里程值由大到小排序，在车辆最大载重量限值下，依次将对应的两顾客点插入路径中，直到所有顾客都被插入路径，从而实现车辆行驶路程最小的目标。以上步骤构成的基于C‑W节约算法的车辆路径优化方法，属于本发明的保护范围。本发明利用C‑W节约算法优化车辆行驶路径，提高运输效率，降低企业运输成本。
-
公开(公告)号：CN110837886A
公开(公告)日：2020-02-25
申请号：CN201911030774.8
申请日：2019-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于ELM-SL0神经网络的出水NH4-N软测量方法，属于水处理和智能信息控制领域。本方法主要操作流程如下：首先将L0正则化惩罚项添加到传统误差函数使不重要权值逼近于0，然后利用批量梯度下降算法对改进的误差函数进行更新以实现网络的训练和修剪。以上步骤构成的基于神经网络的出水NH4-N软测量方法，属于本发明的保护范围。本发明将正则化技术与批量梯度算法相结合来优化ELM网络结构，进而减少网络计算复杂度，提高预测准确率，增加其泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.027 seconds)
