换一批反硝化生物滤池深度脱氮效能预测EGA-BPNN模型构建
Construction of EGA-BPNN model for prediction of deep nitrogen removal efficiency of denitrifying biological filter
摘要为准确预估不同外碳源和C/N条件下反硝化生物滤池(DNBF)的深度脱氮效能,基于支持向量回归(SVR)和BP神经网络(BPNN)建立DNBF深度脱氮预测模型,并结合进化算法进行模型优化.通过DNBF实验数据进行模型训练和泛化能力验证,并根据性能评价指标确定最优预测模型.结果表明:SVR(R2=0.904)对TN去除率的预测性能优于BPNN(R2=0.876),经进化算法优化后的差分进化算法(DE)-SVR、精英保留的遗传算法(EGA)-BPNN对比SVR、BPNN,R2分别提升了 1.5％、11.5％,EGA-BPNN对TN去除率、NO2--N质量浓度、NO3--N质量浓度预测的R2分别为0.991、0.971、0.926,均显著优于其他模型,表明利用进化算法同步优化神经网络结构和模型参数,有效提升了模型的性能;EGA-BPNN对沿程脱氮指标TN、NO2--N、NO3--N和COD质量浓度预测的R2分别为0.969、0.980、0.974、0.864,进一步验证了该模型具有较好的泛化能力,能有效预测不同外碳源投加策略下的DNBF脱氮效能.
更多相关知识
关键词
反硝化生物滤池外碳源支持向量回归BP神经网络进化算法denitrifying biofiltersexternal carbon sourcessupport vector regressionback-propagation neural networkevolutionary algorithm
分类号
X703
栏目名称
DOI
10.3969/j.issn.2095-1736.2025.03.015
发布时间
2025-07-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省科技重大专项项目（202003a07020014）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
