Indexed by：
Abstract：
生化需氧量是污水处理过程中评价水质的重要指标之一,神经网络软测量是解决其在线测量困难的主要方法.污水处理是一个动态的过程,而前馈神经网络由于缺乏动态性而难以保证对其的测量精度.本文提出了一种自组织递归模糊神经网络,建立了内部的反馈连接以增强网络动态性能,通过评估神经元的互信息关系和激活强度以增长或修剪规则层神经元,采用梯度下降学习算法进行参数更新,并结合自适应学习率以提高收敛精度.通过对实际污水厂数据的实验结果表明,本文提出的模型结构更紧凑,对出水生化需氧量的预测精度更高.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机与应用化学
ISSN： 1001-4160
Year： 2019
Issue： 4
Volume： 36
Page： 331-336
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
