基于遗传算法优化的rbf神经网络在mbr膜污染仿真预测中的研究

《基于遗传算法优化的rbf神经网络在mbr膜污染仿真预测中的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于遗传算法优化的RBF神经网络在MBR膜污染仿真预测中的研究摘要:膜污染问题是影响MBR推广应用的主要障碍。针对该问题,首先运用主成分分析法确定影响膜污染的主要因子为MLSS、操作压力及温度，然后建立基于RBF神经网络的预测模型，再利用遗传算法对预测模型的四个参数进行优化，使得整个网络模型达到全局最优。最后将预测结果与样本数据对比，结果显示，基于GA-RBF的膜污染模拟仿其器在收敛速度、预测精度等方面比单纯的RBF网络有较大提高，达到了预期目标。关键词：MBR；膜通量；RBF神经网络；遗传算法1弓I言(Introduction)水污染的预防和治理已成为当今世界日益严重的热

2、点问题。膜生物反应器(MBR)作为一种将膜分离技术和生物反应技术相结合的新型高效污水处理技术，己被广泛应用于牛活污水、有机废水处理等领域［1,2］。膜污染会影响MBR膜分离单元的性能，缩短膜的使用寿命，增加MBR系统的运行成本。因此研究膜污染的机理和预测控制方法，保证膜生物反应器能够在稳定的低耗能条件下获得较大膜通量是促进MBR推广应用的关键［3,4］O目前在MBR膜污染领域，常用的多种预测模型都存在一些缺陷，如对膜污架机理分析不够透彻，预测精度差等问题。人工神经网络在预测领域有比较成熟的应用，而相比较传统的BP神经网络，RBF网络具有唯一最佳逼近的特性且无局部极小值的问题

3、，可以做更精准高效的预测分析[5-7]o再引入遗传算法优化RBF神经网络的相关参数，弥补单一径向基网络模型的缺陷，就可以实现对膜污染更精准的预测。1RBF神经网络(RBFneuralnetwork)人工神经网络(ArtificialNeuralNetwork,即ANN),是曲人工建立的，以有向图为拓扑结构的动态系统，它从信息处理角度对人脑神经单元网络进行抽象化，建立简单模型，按不同的连接方式组成不同网络。人工神经网络以其特有的非线性适应性信息处理能力，使Z在模式识别、自动控制、人工智能、预测估计等方面都有成功的应用，表现出了良好的智能特性。径向基函数(RBF)神经网络是一种

4、高效的前馈式神经网络，它曲输入层、隐含层和输出层构成，具有其他前向网络所不具有的最佳逼近性能,并且结构简单，训练速度快。该神经网络采用RBF作为隐单元的“基”构成隐含层空间，将输入矢量直接映射到隐空间而不需要权值连接。当RBF的中心点确定后，映射关系也就随之确定。隐含层空间到输出空间的映射是线性的。径向基神经网络的网络结构如图1所示。图1RBF神经网络结构图Fig.1RBFneuralnetworkstructureRBF网络的激活函数采用径向基函数，以输入和权值向量之间的距离作为自变量，常见的隐含层节点的核函数为高斯函数。©)=exp_其中，。称为基函数的扩展常数或宽度，

5、。越小，径向基函数的宽度越小，基函数就越有选择性。1遗传算法(Geneticalgorithm)遗传算法(GeneticAlgorithms,简称GA或GAs)是由密歇根大学JohoH.Holland教授及其学生于20世纪60年代末到70年代初提出的一种经典的智能算法。遗传算法是一种基于群体寻优的方法，具有全局搜索能力，初值无关性以及较快的收敛速度。具体过程如下：Stepl:采用随机的方法或者其他方法产生一个初始种群。Step2：根据问题的H标函数构造适值函数(FitnessFunction)适值函数用来表征种群中每个个体对其生存环境的适应能力。Step3：根据适应值的好坏

6、，不断选择和繁殖，基因通过交叉和变异得到更新。Step4：若干代后得到适应值最好的个体即为最优解。4遗传算法优化的RBF神经网络(OptimizationofRBFneuralnetworkbasedongeneticalgorithm)RBF神经网络具冇最佳逼近性和全局最优性，可以实现对MBR膜通量较为精确的预测。但是为了更好地选取相关参数，引入遗传算法对RBF神经网络的参数进行合理优化，其中包含四个参数，分别是谋差、训练速度、最大神经元数目以及神经元的间隔，经过遗传算法寻优后得到的最优个体即为进行RBF神经网络训练涉及的最优参数。GA-RBF神经网络模型完成网络训练后，

7、再采用仿真数据检测评估该网络的优化性能。5建立基于PCA的GA-RBF膜污染仿真预测模型(AsimulationmodelofGA-RBFmembranepollutionbasedonPCAisestablished.)5.1采用PCA进行模型输入参数选取主成分分析(PrincipalComponentAnalysis,PCA)是一种掌握事物主要矛盾的统计分析方法，它通过矩阵特征值分析对初始数据进行线性空间投影，从多元事物中解析出主要影响因素，从而达到简化复杂的问题的冃的。膜污染的影响因素众多，通过减少RBF网络