改进K-means算法优化RBF神经网络的出水氨氮预测
作者:
乔俊飞
孙玉庆
韩红桂
关键词:
氨氮预测
RBF神经网络
K-means算法
密度指标
摘要:
为提高污水处理过程中出水氨氮的预测精度,并针对RBF神经网络参数难以确定的问题,提出一种改进K-means算法优化RBF神经网络的氨氮预测算法.首先,计算每个样本点的密度值,以其大小是否满足一个阈值为条件,判定该点是否为孤立点或噪声点,来消除孤立点和噪声点对 K-means 算法的影响;然后利用减法聚类算法初始化K-means算法的聚类中心,并得到聚类中心的个数,将改进后的K-means算法优化RBF神经网络结构;最后,通过对污水处理过程中出水氨氮的实际预测实验,表明所提出的算法具有较强的逼近能力.
上一篇: 板带轧制凸度与厚度鲁棒解耦控制器设计
下一篇:最后一页