水处理过程测量数据常常因为自身特点或外部噪声污染不能直接作为软测量模型的输入，因此，过程数据的预处理成为软测量技术中的重要一环，数据的预处理包括数据变换、误差处理等。
输入数据的正确性和可靠性关系到软测量的精度，而任一数据的失效都会导致整体性能的大幅度下降，因此对输入数据处理十分重要。输入数据处理包含两个方面，即换算 (scaling) 和数据误差处理。用作软测量建模的样本数据要足够多，且尽可能是工艺稳定运行时的数据，通常要建立实时的或非实时的数据库; 对采集到的原始数据还要做异常剔除、无量纲化、归一化等处理，以消除数量级差异影响。
(1) 数据变换
数 ...... （共1178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