6.3.1.1 水华预测的RBF网络模型
选取RBF网络插值得到的前56组数据作为训练数据，后4组数据作为测试数据。建立多输入、单输出的三层网络结构，最终确定图6-10的RBF神经网络软测量结构模型。
图6-10 基于RBF神经网络软测量的水华预测模型
图6-10软测量模型结构中的参数设置如下：
二次变量5个： 温度 (TW)、透明度 (SD)、电导率(EC)、总磷(TP)、叶绿素 (Chi-a)
隐层神经元个数： 37;
输出主导变量1个： Chi-a;
网络训练精度：0.001;
隐层激励函数： 高斯函数;
输出层激励函数： 线性函数。
6.3.1.2 RBF神经网络径向基函数中心计算方法
RBF网络的核心是隐含层的设计，隐含层的中心和宽度代表了样本空间模式及各中心的相对位 ...... （共661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