基于模糊递归神经网络的污泥容积指数预测模型

基于模糊递归神经网络的污泥容积指数预测模型第64卷第12期化工学报voI．64No．122013年12月CIESCJournalDecember2013基于模糊递归神经网络的污泥容积指数预测模型许少鹏，韩红桂，乔俊飞(北京工业大学电子信息与控制工程学院，北京100124)摘要：污泥容积指数(SVI)，一个关键的污泥沉降性能评价指标。针对污水处理过程中污泥膨胀关键水质参数污泥容积指数难以准确在线测量，且实验室取样测量方法时间久、精度低，提出了一种改进型的模糊递归神经网络(HRFNN)用来预测污泥容积指数的变化，通过在网络第三层加入含有内部变量的反馈连接来实现输出信息的反馈。实验结果表明，与其他模糊神经网络相比，该网络的规模小、精度高，处理动态信息的能力明显加强。关键词：污泥膨胀；污泥容积指数；污水处理过程；模糊递归神经网络DOI：10．3969／j．issn．0438一1157．2013．12．042中图分类号：X703；TP11文献标志码：A文章编号：0438—1157(2013)12—4550—07PredictionofactiVatedsludgebulkingbasedonrecurrentfuzzyneuralnetworkXUShaopeng，HANHonggui，QIAoJunfei(CozzPgPo，EzPffro行icn挖dCon￡rozE凡gi行PPri押g，B8巧i竹gU行iwrsi￡yo，T_f^竹ozogy，BP巧i九g100124，C，li起n)Abstract：S1udgeVolumeindex(SVI)，akeysludgesedimentationperformanceevaluationindex，isdifficulttobeobtainedaccuratelyonlineandtheconventionalapproachesaretime—consuming，tediousandcomplicated．Anewrecurrentfuzzyneuralnetwork(HRFNN)methodisproposedinthispapertopredicttheevolutionofthesludgevolumeindex(SVI)．HRFNNisconstructedbyaddingfeedbackconnectionswitht