BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测

论文摘要

污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15. 9%和16. 5%,模型预测结果的平稳性较差; ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4. 41%,预测精度较高; 2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。

论文目录

• 1 BP神经网络模型
•   1.1 输入变量的确定
•   1.2 数据来源与处理
•   1.3 数据挖掘
•   1.4 结果分析
• 2 ARIMA模型
•   2.1 模型定阶
•   2.2 模型检验
•   2.3 模型预测
• 3 结论

文章来源

类型: 期刊论文

作者: 林佳敏,陈金良,林晶晶,李宣辑,马聪,张志强,沈亮

关键词: 污水处理,总氮,神经网络,模型

来源: 环境工程技术学报 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 环境科学与资源利用,自动化技术

单位: 厦门大学化学化工学院

基金: 福建省自然科学基金项目(2018J01016),厦门大学大学生创新创业训练计划项目(2018X0256)

分类号: X703;TP183

页码: 573-578

总页数: 6

文件大小: 2726K

下载量: 369