基于多量子滤波器的QCNN算法预测厌氧消化性能

作     者：董玉民 侯栋 耿馨雨 胡万斌 DONG Yumin;HOU Dong;GENG Xinyu;HU Wanbin

作者机构：重庆师范大学计算机与信息科学学院重庆沙坪坝区401331 

基　　金：国家自然科学基金(61772295,61572270) 重庆市教委科学技术研究项目(KJZD-M202000501) 重庆市技术创新与应用发展项目(cstc2020jscxlyjsAX0002) 重庆市技术预见与制度创新项目(cstc2021jsyj-yzysbAX0011) 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2022年第51卷第5期

页      码：651-659页

摘      要：厌氧消化是可再生能源生产中一种具有前景的技术,沼气是由有机废物通过厌氧消化产生的生物能源,预测厌氧消化产生的沼气产量并进行管控是必要的。设计了一种具有短期记忆的多量子滤波器量子卷积神经网络,利用参数化变分量子电路接受数据“时间窗”以模拟短期记忆,并在多量子滤波结构中舍弃过多的线路迭代和参数数量使其具有更高的表达性。在量子线路框架中,设计了最优的卷积、池化层线路,能够更好地提取特征因子中的隐藏状态;同时对废物管理数据进行严格的预处理,通过指数平滑去除特征中趋势和季节性。该算法的精度达到了83.30%,比CNN模型精度提升了8%,RMSE和MAE值也均优于ANN、KNN、CNN等经典模型。

主 题 词：厌氧消化 多量子滤波器 短期记忆 变分量子电路 

学科分类：08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.12178/1001-0548.2022268

馆 藏 号：203114482...