本书的工作是在北京市自然科学基金重点项目 (8101003) “水环境建模、水华预测与应急处理决策方法研究”、北京市自然科学基金项目 (4062011) “城市污水处理过程智能化软测量与优化控制方法的研究”、北京市学术创新团队“智能检测与优化控制” 等项目的支持下进行的。
本书针对在流程工业的生产过程中普遍存在着过程参数时变、难以在线实时检测或检测时间严重滞后，而且数学建模困难，不能实现实时闭环控制、不易保证产品质量的难题，系统地对水环境系统智能化的软测量方法、过程神经元网络 (PNN) 的软测量理论和算法、基于PNN的污水处理过程参数的软测量模型和采用遗传算法优化控制方 ...... （共1942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