公开(公告)号：CN113111576B

公开(公告)日：2023-05-02

申请号：CN202110354522.1

申请日：2021-03-30

Applicant: 北京工业大学

Inventor： 乔俊飞 ,  陈中林 ,  杨翠丽

IPC: G06F30/27 ,  G06N3/006 ,  G06N3/0442 ,  G06N3/048 ,  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：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

Inventor： 乔俊飞 ,  陈中林 ,  杨翠丽

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。