Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于PSO-Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明提供基于PSO‑Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法,将磷石膏样品加水搅拌后过滤得到磷石膏滤液用于后续测定;分别对固化剂投加量,投加固化剂后的搅拌时间,投加固化剂后的搅拌速率,絮凝剂投加量,投加絮凝剂后的搅拌时间,投加絮凝剂后的搅拌速率,进行单因素实验并记录可溶磷、氟的去除率作为条件数据样本集;利用粒子群算法优化神经网络。使用粒子群优化算法PSO对Elman的参数进行寻优,提高Elman神经网络的预测精度;平均绝对相对偏差AARD,均方根误差RMSE和决定系数对去除率进行评估;该方法利用Elman神经网络的动态特性和粒子群优化算法的全局搜索能力,实现对絮凝辅助固化磷石膏中可溶性磷、氟最佳处理条件的预测和优化。

主权项:1.基于PSO-Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法,其特征在于,包括如下步骤:步骤一:将磷石膏样品加水搅拌后过滤得到磷石膏滤液用于后续测定;步骤二:分别对固化剂投加量,投加固化剂后的搅拌时间,投加固化剂后的搅拌速率,絮凝剂投加量,投加絮凝剂后的搅拌时间,投加絮凝剂后的搅拌速率,进行单因素实验并记录可溶磷、氟的去除率作为条件数据样本集;步骤三:利用粒子群算法优化神经网络,建立预测模型,Elman神经网络由输入层、隐含层、承接层和输出层构成,Elman可以表示为: ; 式中,和为第循环隐含层的输出向量,网络的输入向量,输出层的输出向量;是第次循环承接层的输出向量,对应着第次循环隐含层的输出;,,分别为输入层到隐含层、承接层到隐含层和输出层的权重矩阵;,为隐含层和输出层的阈值向量;,都是相应的激活函数;步骤四:使用粒子群优化算法PSO对Elman的参数进行寻优,提高Elman神经网络的预测精度;步骤五:平均绝对相对偏差AARD,均方根误差RMSE和决定系数对去除率进行评估; ; ; ;其中表示样本的预测值,表示样本的真实值,n是样本的个数,是样本真实值的平均值;步骤六:利用已训练絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测模型对测试样本进行预测的步骤包括:输入测试样本,利用训练好的Elman模型预测去除率,根据结果选择对磷石膏中磷和氟去除效果最好的实验条件。

全文数据:

权利要求:

百度查询: 武汉工程大学 武汉大学 基于PSO-Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。