文献检索-宁波市创意产业特色资源库

限定检索结果

Bagging集成RW-RBF的水厂消毒预测模型: 收藏
分享
引用; 《能源工程》2023年第1期43卷 66-71页; 作者：唐宇徐冰峰山丕斌姜月月伍籼融施谨超昆明理工大学建筑工程学院云南昆明650000 中国电建集团昆明勘测设计研究院有限公司云南昆明650051; 采用RW(随机游走算法)优化RBF(径向基函数)神经网络后作为集成学习(Bagging)的弱学习器。选取清水池进水流量(Q)、滤后浊度(NTU)、滤后余氯(Cl-into)、出厂水余氯(Cl-out)、耗氧量作为输入因子,投药量作为输出因子,建立基于Bagging集成R...; 采用RW(随机游走算法)优化RBF(径向基函数)神经网络后作为集成学习(Bagging)的弱学习器。选取清水池进水流量(Q)、滤后浊度(NTU)、滤后余氯(Cl-into)、出厂水余氯(Cl-out)、耗氧量作为输入因子,投药量作为输出因子,建立基于Bagging集成RW-RBF模型对水厂消毒投加进行预测。相较于RBF神经网络和RW-RBF模型,Bagging集成RW-RBF模型平均相对误差降低了90.3%、73.7%;均方根误差分别降低了83.7%、40.6%,说明该模型具有强大的非线性拟合能力,泛化能力强,稳定性高,对供水行业滤后消毒药剂投加量预测有指导作用。; 来源：详细信息评论

限定检索结果