(1) 软测量模型及方法研究
软测量通过机理分析或实验数据，建立易测过程变量(辅助变量)与难以直接测量的待测过程变量(主导变量) 之间的数学关系，即软测量模型，从而通过数学计算和估计方法，实现对待测过程变量的预测。
目前有不少基于人工智能方法的软测量研究的报道，但许多方法尚停留在理论研究和计算机仿真的阶段。有些方法拟合精确度高但预测性不好，有些则抗干扰性较差、计算量大、在线更新和学习能力不够，因而与实际应用还有一段距离，这对软测量理论进一步的研究提出了迫切要求。
目前成功地应用于实际生产过程软测量的神经网络主要有前向BP网络和RBF网络。将工艺机理分 ...... （共1735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