基于PSO-RBF神经网络模型的原水水质评价方法及应用

基于PSO-RBF神经网络模型的原水水质评价方法及应用第41卷第5期2011年9月东南大学学报(自然科学版)JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition)Vol．41No．5Sept．2011doi:10．3969/j．issn．1001－0505．2011．05．024基于PSO-RBF神经网络模型的原水水质评价方法及应用王冬生李世华周杏鹏(东南大学复杂工程系统测量与控制教育部重点实验室，南京210096)摘要:针对自来水生产过程的原水水质评价问题，提出了一种基于PSO-RBF神经网络模型的原水水质评价方法．首先，根据水厂生产经验和历史数据分析，制定面向自来水生产过程的原水水质评价标准．然后，采用粒子群优化(PSO)算法训练的RBF神经网络模型，对苏州市相城水厂的进厂原水水质实施在线评价．最后，将进厂原水水质在线评价结果作为前馈量，增加相城水厂药剂(矾和臭氧)投加过程的前馈控制环节，使得药剂投加量能够根据原水水质的变化及时做出调整．实际应用效果表明，与改进前的反馈控制过程相比，过程出水水质更加平稳，提高了自来水生产过程应对原水水质变化的能力．关键词:原水水质评价;RBF神经网络;粒子群优化算法;前馈控制中图分类号:TP183;X824文献标志码:A文章编号:1001－0505(2011)05-1019-05AssessmentmethodofrawwaterqualitybasedonPSO-RBFneuralnetworkmodelanditsapplicationWangDongshengLiShihuaZhouXingpeng(KeyLaboratoryofMeasurementandControlofComplexSystemsofEngineeringofMinistryofEducation，SoutheastUniversity，Nanjing210096，China)Abstract:Inconsiderationoftheassessmentproblemofrawwaterqualityorientedtodrinkingwatertreatmentprocess，anassessmentmethodofrawraterqualitybasedonthePSO-RBFneuralnetwo