典型文献
基于EHO优化的BP神经网络污水处理出水COD预测模型
文献摘要：
为了改善在污水处理环节中对有关化学需氧量预测效果的问题,提出了一种经象群算法优化的BP神经网络预测模型.首先通过将象群算法中的分离操作与改进权重的粒子群算法相结合,有效去除了种群中适应度较差的个体,进一步提高算法寻找最优值的能力;首次利用改进后的象群算法优化BP神经网络对预测数据进行更好的逼近,提高预测模型的预测准确度;最后,通过仿真结果清晰表明:改善后的BP神经网络相对于传统BP神经网络以及一般的小波神经网络有着更高的预测精度.改进后的象群算法结合BP神经网络所建立的预测模型在一定程度上可以对污水处理中的出水化学需氧量进行比较准确的预测,能满足预测出水化学需氧量的一般要求,具有一定的研究价值.
文献关键词：
计算机神经网络;出水化学需氧量;象群算法;分离操作
中图分类号：
作者姓名：
朱琳;李明河;陈园
作者机构：
安徽工业大学 电气与信息工程学院,安徽 马鞍山243002
文献出处：
引用格式：
[1]朱琳;李明河;陈园-.基于EHO优化的BP神经网络污水处理出水COD预测模型)[J].重庆工商大学学报（自然科学版）,2022(03):26-32
A类：
B类：
EHO,污水处理,COD,处理环节,象群算法,算法优化,神经网络预测模型,分离操作,粒子群算法,适应度,最优值,预测数据,逼近,预测准确度,善后,小波神经网络,出水化学需氧量,预测出,一般要求,计算机神经网络
AB值：
0.262127
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
