基于混合神经网络模型的污水处理污水质量预测:比较和应用
Zeyu Wang1, Hongliang Dai1, Beiyue Chen2
1School of Environmental and Chemical Engineering, Jiangsu University of Science and Technology, Zhenjiang, 212100, China.
Journal of environmental management
|December 29, 2023
概括
一个新的混合神经网络模型,Tent_BP_SSA2,显著改善了废水处理厂 (WWTP) 的废水质量预测. 这种先进的模型提高了准确性,并为污水处理过程评估提供了强大的性能.
科学领域:
- 环境工程 环境工程
- 人工智能在水处理中的应用
- 废水管理 废水管理
背景情况:
- 精确预测废水质量对于有效的废水处理厂 (WWTP) 运营至关重要.
- 神经网络模型显示了通过分析有影响的参数来提高预测准确性的潜力.
- 现有的模型需要改进,以精确评估废水质量.
研究的目的:
- 开发和评估一种新的混合神经网络模型,用于预测污水处理废水质量.
- 将拟议模型的性能与传统的神经网络方法进行比较.
- 调查更高阶输入参数对预测准确性的影响.
主要方法:
- 开发一个反向传播的神经网络混合模型,与帐混乱地图和子搜索算法 (Tent_BP_SSA) 集成.
- 引入了一个增强版本,Tent_BP_SSA2,使用更高阶的输入参数.
- 使用MAE,RMSE,SSE,MAPE和R2等指标进行绩效评估.
- 模型在实际WWTP废水质量数据集上的验证.
主要成果:
- 与原来的Tent_BP_SSA相比,Tent_BP_SSA2模型表现出更高的性能,R2从0.9512增加到0.9672.
- 观察到预测错误的显著减少:MAE下降了9.62%,RMSE下降了18.84%,SSE下降了24.80%,MAPE下降了47.10%.
- 改进后的模型在应用于真实世界WWTP数据时,实现了0.9246的强大的R2.
结论:
- 子搜索算法,帐混乱映射和更高阶输入参数的集成显著提高了废水质量预测的准确性.
- 帐_BP_SSA2模型为改善废水质量预测和废水预警评估提供了一个有希望的方法.
- 这项研究为优化废水处理过程的先进建模技术提供了宝贵的见解.
