典型文献
基于TentFWA-GD的RBF神经网络COD在线软测量方法
文献摘要：
针对污水处理过程COD难以实时准确测量的问题,提出了基于TentFWA-GD的RBF神经网络软测量方法.为解决现有RBF神经网络用于复杂工业过程软测量建模时存在网络参数难以确定及训练过程易陷入局部极值等问题,进一步提高RBF神经网络模型的预测精度与泛化能力,引入了 Tent混沌映射对烟花算法(fireworks algorithm,FWA)进行改进,利用混沌运动的全局遍历性维持FWA的种群多样性并避免算法早熟收敛;将TentFWA算法与GD方法有机融合提出一种改进的RBF神经网络组合训练方法以改善网络的学习能力.将基于TentFWA-GD的RBF神经网络用于构建4个Benchmark函数拟合模型和农村生活污水处理过程COD在线软测量模型.仿真与应用结果表明,相对于其他神经网络模型,该模型具有较低的函数逼近误差和较高的COD预测精度.其中COD软测量模型训练结果的均方误差和平均绝对误差分别为0.18和0.25,测试结果的两种误差分别为0.23和0.36.
文献关键词：
农村生活污水处理;COD软测量;RBF神经网络;烟花算法;Tent混沌映射
中图分类号：
作者姓名：
陈如清;于志恒
作者机构：
嘉兴南湖学院机电工程学院 嘉兴 314001
文献出处：
引用格式：
[1]陈如清;于志恒-.基于TentFWA-GD的RBF神经网络COD在线软测量方法)[J].电子测量与仪器学报,2022(03):53-60
A类：
TentFWA
B类：
GD,RBF,COD,软测量方法,污水处理过程,准确测量,复杂工业过程,软测量建模,网络参数,难以确定,训练过程,局部极值,泛化能力,混沌映射,烟花算法,fireworks,algorithm,混沌运动,遍历性,种群多样性,早熟,组合训练,训练方法,Benchmark,函数拟合,拟合模型,农村生活污水处理,软测量模型,函数逼近,模型训练,均方误差,平均绝对误差
AB值：
0.273485
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。
