为了充分利用实验数据，提高预测模型精度，对数据作以下处理：将单小时 (每日7点、9点、11点等) 采集的数据和双小时 (每日8点、10点、12点等) 采集的数据分开，分别作为100组训练数据和100组测试数据。
选取日光房实验数据中的100组单小时数据作为训练数据建立预测模型。基于第二章确定的水华预测指标体系，建立多输入、单输出的4层Elman预测模型，其网络参数如下：
·输入层神经元6个： 温度T、溶解氧DO、光照、总磷TP、氮磷比N/P、叶绿素Chi-a(前一采样时刻);
·输出层神经元1个： Chi-a;
·隐层激励函数： Sigmoid函数;
·输出层激励函数： 线性函数;
·网络训练算法： Levenberg_Marquard法;
·隐层神经元个数： 3 ...... （共2453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