张长胜,韩 涛*,钱 斌,胡 蓉,田海湧,毛 辉,王 卓

改进BFO优化BPNN的自来水混凝加药预测

张长胜1,韩 涛1*,钱 斌1,胡 蓉1,田海湧2,毛 辉3,王 卓1

(1.昆明理工大学信息工程与自动化学院,云南 昆明 650500；2.云南树业科技有限公司,云南 昆明 650032；3.中国市政工程华北设计研究总院有限公司昆明分公司,云南 昆明 650051)

本文给出一种量子粒子群 (QPSO)算法、改进菌群觅食(IBFO)算法优化反向传播神经网络(BPNN)的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差(MSE)达0.0116mg/L,平均绝对误差百分比(MAPE)达1.36%,在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.

混凝加药；预测模型；BPNN；BFO；QPSO

自来水厂水处理流程包括凝聚、混凝、沉淀、消毒及过滤5个阶段,混凝效果直接影响后续处理设备生产负担及成本,精准投药对其具有决定性作用.故混凝投药量闭环控制是自来水厂生产工艺的核心,也是水处理专家和研究学者急需解决的问题.自来水厂水处理混凝投药过程存在非线性、多干扰等问题,并且我国地域辽阔、气候复杂多样、局部地区存在旱雨季,提……