PSO-SVM与BP神经网络组合预测供水系统余氯的方法

论文摘要

针对余氯量在供水系统内非线性变化的特性,建立了PSO-SVM与BP神经网络组合模型对管网末端余氯进行预测分析。该模型通过粒子群优化算法（PSO）,对SVM的特性参数进行优化;采用BP神经网络对模型进行残差修正。通过对单一的BP模型和SVM模型、组合模型的预测精度进行分析。结果表明:组合模型预测比BP和SVM单一预测均方误差分别降低了62.30%、75.29%,平均相对误差降低了55.03%、54.27%。综上所述,该模型具有强大的非线性拟合能力,预测精度高,运行稳定性强,对供水企业控制余氯的投加量和设置二次加氯点有一定的指导作用。

论文目录

• 1 PSO-SVM与BP神经网络组合模型
• 2 组合算法模型的建立
•   2.1 数据的筛选与处理
•   2.2 SVM模型的建立及优化
•     2.2.1 SVM模型的建立
•     2.2.2 SVM模型的优化
•   2.3 BP残差修正模型的建立
•   2.4 组合模型的建立与验证
•     2.4.1 组合模型的建立
•     2.4.2 组合模型的结果验证
• 3结论

文章来源

类型: 期刊论文

作者: 毛湘云,徐冰峰,孟繁艺

关键词: 余氯,支持向量机,粒子群算法,神经网络,组合模型

来源: 土木与环境工程学报(中英文) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 建筑科学与工程

单位: 昆明理工大学建筑工程学院

分类号: TU991

页码: 159-164

总页数: 6

文件大小: 260K

下载量: 259