采用BP和RBF两种神经网络建模来研究水华发生的预测软测量模型，从仿真和实际的测试结果来看，两种网络都能在一定的范围内对水华的发生作出预测，说明采用人工智能的方法对水华的发生作出预报是可行的。采用RBF人工神经网络模型，其预测精度明显高于BP网络。表6-9比较了两种网络的预测误差精度。
从神经网络的泛化能力来看，在拟合精度和目标误差精度相同的情况下，RBF网络明显优于BP神经网络。从实验过程来看，BP网络训练样本集要达到一定拟合和预测精度，需要反复试验，特别在隐节点的确定上很难找到合适的数目，效率比较低。
表6-9 BP与RBF软测量模型误差精度比较
测试数据BP网络RBF网络 ...... （共699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