论文部分内容阅读
针对造纸中段废水絮凝过程中zeta电位变化复杂,难以建立准确的数学模型的问题,提出利用神经网络对其中的zeta电位进行建模预测,研究了基于BP、Elman、RBF神经网络模型的多输入单输出建模方法。该建模法通过建立待测量zeta电位与絮凝剂投放量之间的非线性函数关系,间接得到待测变量的估计值。仿真结果表明RBF神经网络预测模型有较好的实时性和良好的泛化能力。与BP网络相比,RBF网络具有误差小、计算量小的优点,与Elman网络相比,具有周期短的优点,是一种有效的建模方法,能够快速、准确地在线预测废水