攀钢矿业公司动力厂水处理混凝投药自动控制系统的性能

针对攀钢矿业公司动力厂水处理工艺采用人工手动投药的情况，本文提出了一种水处理混凝投药自动控制系统，该系统控制工艺稳定可靠，灵敏度高，反应迅速，具有自我诊断，自我抽加混凝药剂的功能，混凝药剂的投加量稳定可靠，节约药耗达２０－３０％，降低了水处理成本，水质保证率明显提高，为该水厂“降成本，增效益”以及实现“分散控制，集中控制”创造了有利条件。     

水量对流动电流混凝投药控制系统的影响

以仪征化纤股份公司给排水厂为例，系统研究了水量变化对流动电流混凝投药自控系统的影响，通过中试找出流动电流自控系统稳定工作的极限水量变化率，并探求水量与流动电流设定值的相关关系。试验结果表明：该厂流动电流自控系统稳定工作的极限水量变化率约为25％；在设计处理能力内，水量与流动电流设定值存在正相关关系，在同等出水水质要求下，水量越大，流动电流设定值越高；反之，水量越小，流动电流设定值越低，在此基础上，还提出了变水量条件下流动电流投药控制系统改进的建议。     

投药自动化在净水厂的应用

混凝投药是影响深度处理水厂治水成本和出水水质的主要因素之一,影响投药量的因素很多,寻找一种当水质发生变化能够及时调整投药量的方法,是给排水工作者多年研究的方向.本文总结南岔铁路净水厂混凝投药自动化系统多年运行的经验,从给水投药自动化方面谈了自己的看法,为同行借鉴.     

基于先验知识的混凝沉淀过程神经网络建模

结合最优化方法中的惩罚函数,把先验知识通过惩罚函数加入到神经网络的性能函数当中,从而达到在少数据样本的神经网络训练下最终所得模型更加符合先验知识的要求.文中通过对具体的混凝沉淀大时滞过程进行神经网络建模仿真,发现该方法训练所得模型可靠程度更高.文中还对约束条件的强弱和惩罚因子的关系进行了论述.     

攀钢矿业公司动力厂水处理混凝投药自动控制系统的性能

针对攀钢矿业公司动力厂水处理工艺采用人工手动投药的情况，本文提出了一种水处理混凝投药自动控制系统。该系统控制工艺稳定可靠，灵敏度高，反应迅速，具有自我诊断、自我投加混凝药剂的功能，混凝药剂的投加量稳定可靠，节约药耗达20－30％，降低了水处理成本；水质保证率明显提高，为该水厂“降成本、增效益”以及实现“分散控制、集中管理”创造了有利条件。     

净水厂生产废水回用强化混凝工艺水质安全性研究

净水厂生产废水直接回用对处理低温低浊水具有强化作用并且可以节约水资源,但此工艺仍旧存在安全性问题,回用生产废水时存在回用风险.通过研究在回用不同浊度生产废水沉后水浊度、CODMn、氨氮、锰等指标,评价出水水质安全性.研究表明,回用生产废水后,其沉淀池出水各项指标均有所提高而优于原水,能够保证出水安全性.     

基于先验知识的混凝沉淀过程神经网络建模研究

摘 要：结合最优方法中的惩罚函数，利用已知对象的先验知识，把先验知识通过惩罚函数的方法加入到神经网络的性能函数当中，从而使训练过程体现先验知识的约束作用，使最终所得模型不违背先验知识．通过真实的数据仿真表明，利用该方法训练所得模型不违背先验知识，模型可靠程度更高，其中约束条件的强弱由惩罚因子的大小决定．此方法对于提高利用较少数据样本神经网络训练所得模型的可靠性以及加快网络建模速度都有重要的参考价值．     

透光率脉动检测技术评价混凝剂的混凝效果

介绍了一种评价混凝效果的新方法———透光率脉动检测法 ,并以不同浊度的高岭土悬浊液为研究对象 ,投加 3种不同剂量的混凝剂 (硫酸铝、聚合氯化铝、高分子有机絮凝剂HCA) ,通过PDA2 0 0 0检测仪对混凝效果的检测 ,以R指数评价不同混凝剂在多种浊度水样中的混凝效果。结果表明 ,透光率脉动检测技术是一种检测混凝性能的可靠方法     

改进型Elman网络在水厂智能投药控制系统中的应用

水厂投药系统由于存在非线性、大滞后、多输入因子等特点,多年来难以实现自动控制.在充分分析自来水厂现有的大量有效历史数据和丰富实践经验的基础上,建立了基于Elman动态神经网络的智能混凝投药控制方式,并对系统的实现作了较为详细的说明.实践证明,该系统具有自学习和自适应的能力,控制精度高,克服了传统人工操作的失误隐患,并取得了较好的经济效益.     

鸡群投药需注意的若干问题阐述

简要概括了养鸡生产中提符需注意的若干问题。     

给水厂混凝剂智能投加模型构建与应用

选取华东地区某给水厂生产中积累的数据建立加药量预测模型,以求在给水厂中实现混凝剂的智能投加。在数据清洗时,针对水厂运行实际情况,结合局部离群因子（LOF）算法、K最近邻插补（KNN）算法与平滑滤波算法对随机误差进行处理。同时在建模前使用灰色关联度分析评估了各原水指标与混凝剂加药量的联系,对联系较为紧密的原水指标进行混凝机理的分析。模型选用BP神经网络,并使用贝叶斯优化算法对模型的参数寻优,建立了多个模型进行评估,其中最优模型在测试集6万个样本上的平均绝对误差为3.66 L/h,结果表明最优模型能够准确预测混凝剂加药量。在此基础上,展望将建立的智能投加模型应用于水厂加药系统中,帮助水厂加药系统的智能化改造方案的实施。     

基于径向基函数和模糊逻辑的短期电力负荷预测

综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,提出了将径向基(RBF)网络和模糊逻辑相结合的预测方法。利用具有非线性逼进能力的RBF神经网络预测出预测日的最大负荷值和最小负荷值,并用模糊逻辑预测出预测日的负荷系数,进而得到预测日的负荷值。实际算例表明:该方法同BP网络相比,具有较高的预测精度,证明了该方法的有效性。     

模糊神经网络的发展

介绍了模糊神经网络及其提出,论述了模糊神经网络现状,探讨了模糊神经网络的不足与展望。     

基于AQPSO算法优化的RBF网络模型及应用研究

提出了自适应量子粒子群优化(adaptive quantum-behaved particle swarm optimization,AQPSO)算法,用于训练RBF(radial basis function)网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改进了RBF网络的泛化能力.利用上证指数数据进行预测,实验结果表明,采用AQPSO算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值.     

基于径向基函数网络的加筋挡墙高度预测模型

提出了一种基于人工神经网络（ANN）技术的加筋挡墙临界高度预测方法，通过30组挡墙离心模型试验数据以及组足尺试验数据样本的训练与学习，建立了可用于加筋挡墙高度预测的径向基函数网络（RBFN）模型，采用4组挡墙离心模型试验数据和1组足尺试验数据，共5组样本作为检验样本对网络预测能力进行检验，结果表明网络的学习是成功的，同时网络能较好地适应本特定问题，推广能力较好。     

非线性系统建模的复合型模糊神经网络研究

针对非线性系统建模问题,提出了一类由函数逼近和规则推理网络构成的复合型模糊神经网络,其规则网络基于过程先验知识用于对操作区间的划分,而函数网络采用改进型模糊神经网络结构完成非线性函数逼近。采用一类非线性函数模型进行了仿真研究,结果表明,复合型模糊神经网络较之普通模糊神经网络在建模收敛速度和预测精度等方面都有较大的改善。     

采用径向基神经网络的卫星网络申报趋势分析方法

将径向基函数(RBF)神经网络应用于卫星网络申报趋势分析,构建基于RBF神经网络的趋势量化分析方法,改变当前主要依赖专家经验分析申报趋势的现状,为卫星网络申报趋势的评估提供量化指标.首先,梳理当前卫星网络申报的业务特点;然后,对主流预测方法进行分析,提出基于RBF神经网络的申报趋势分析方法;最后,通过实际申报数据进行算法验证.结果表明:文中方法对卫星网络申报趋势的预测误差总体小于20%,对实际申报工作具有指导意义.     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.     

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.