大学城论文网站欢迎您!
站内搜索:
   
  
最新文章
基于遗传优化神经网络的市政管网水质模型研究
来源: | 作者:dxclww | 发布时间: 2020-05-20 | 2469 次浏览 | 分享到:
1背景介绍及数据样本整理
  余氯是供水企业控制管网水质的一项重要指标,《生活饮用水卫生标准》规定,出厂水中余氯应1>0.3ms/L,管网末梢水中应>/0.05 mg/L…。管网中的余氯应该在一个适宜的范围之内,过高会影响人的感官和健康,过低则失去持续杀菌能力无法保证水质。建立供水管网余氯的水质模型,可以通过预测管网某一位置的余氯的变化规律,从而指导供水企业将余氯控制在标准范围内,提高水质保障能力。
 
笔者选择郑州市某水厂及其部分管网作为研究区域,采用管网水的余氯作为控制指标和监测因子,分别使用神经网络和经遗传算法优化过的神经网络模型进行建模,并对比其效果。共收集了32组余氯值数据样本,经过奇异值检验和归一化处理后形成一个32×5的数据矩阵。
2基于BP神经网络的给水管网水质模型
  人工神经网络(ANN)是一种非线性信息处理系统,具有良好的自学习、自组织和容错能力。采用人工神经网络方法建立管网水质模型与其他建模方法最大的区别是不用涉及较深的余氯衰减动力学机理,而只要求一个有效、强大、有代表性的余氯变化数据资料,通过对数据样本的学习训练获取蕴含在数据中的变化规律口。
2.1
BP神经网络设计的步骤【4-5]
①输入层和输出层的神经元节点数的确定。
 
首先确定输入、输出样本的个数。对于得到的数据矩阵,决定采用其中4个点的数据来建立模型,预测另1个点的数据。也就是说,输入样本维数是4,输出样本维数是l。另外,又从32组数据中抽取5组数据作为模型训练好后的测试样本,剩余27组数据用来训练模型。
②隐含层数的确定
  理论分析证明,具有单隐层的感知器可以映射所有连续函数,只有当学习不连续函数(如锯齿波等)时,才需要两个隐含层。所以研究中决定先采用一个隐含层的结构,即建立一个三层的BP神经网络结构。
③隐含层神经元节点数的确定[10。11]
  网络的输入与输出节点数由实际问题的本质决定,与网络性能无关。网络训练前的一个关键步骤是确定隐层节点数L,隐层节点数的选择与其说具
有科学性,不如说更具有技巧性,往往与输入数据中隐含的特征因素有关。隐层节点数L的选择目前尚
   


​                                                                                                           ​大学城论文网@2020​​​  粤ICP备08125947号-1​​​​​​​​​​​​​​