6.2.1.1 主成分分析与二次变量确定
水华指标主要分为物理、化学和生物学指标。透明度是最常用的物理指标; 总氮和总磷这两个指标能正确反映出水体的生物生产力的潜在水平，对水华的判断及防治起到较好的指示作用，可以应用水体中生物群落内的某些优势种群作生物指标[177]。水华预测软测量系统的二次变量的选取，要依据不同湖河的生态条件和测试指标数据，作综合分析才能得到比较客观的影响因子。
表6-1是文献[178]提供的1号检测点一年多的部分检测指标及检测数据。
表6-1 1号检测点的检测数据
参数
序号TW/℃SD/cmDO/
(mg·L-1)EC/
(S·m-1)pHTP/
(mg·L-1)TN/
(mg·L-1)Chi-a
(mg·L-1)16.2929.712537.50.1152.62535. 827.78710.082457.8 ...... （共4286字） [阅读本文]>>
水环境系统智能化软测量与控制水环境系统软测量的基本思想是将系统建模理论与生产工艺过程知识有机结合起来，应用计算机软件技术，对水环境系统中一些难于在线测量或不能测量的重要变量 (称之为主导变量)，如出水BOD、COD等，通过选择另
水环境系统智能化软测量与控制软测量的基本原理是把系统辨识和控制系统建模理论与生产工艺过程知识结合起来，根据某种最优规则，选择一组既与主导变量有密切联系又易检测的变量，即二次变量，通过构造某种以二次变量为输入、主导变量为输出的数学
水环境系统智能化软测量与控制过程神经元的输入和连接权值均可为一个时间变化过程，并在传统神经元空间聚合运算的基础上，增加了一个时间聚合算子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时间总和效应。过程神经元由加
水环境系统智能化软测量与控制过程神经元网络是由若干个过程神经元和一般非时变神经元按照一定的拓扑结构组成的人工神经元系统。类似于传统神经元网络，过程神经元网络也可以按神经元之间的连接方式分为前向型过程神经元网络和反馈型过程神经元网
水环境系统智能化软测量与控制过程神经元网络的学习算法目前国内只有何新贵院士、许少华博士提出了几种方法[23]。主要有基于梯度下降的学习算法，该算法借鉴了传统的BP算法[111-112]; 基于函数正交基展开的学习算法，在输入空间
上一篇