基于改进的PSO和模糊RBF神经网络的MBR膜污染预测

摘要

为了提高对MBR膜通量的预测精度,采用模糊径向基函数(RBF)神经网络建立网络预测模型,并采用改进的粒子群(PSO)算法进行优化.采用模糊推理过程与RBF神经网络所具有的函数等价性,统一系统函数.在利用改进的PSO算法对模糊RBF神经网络进行训练时,先利用改进PSO算法得到模糊RBF神经网络的初始权值和阈值,然后对其进行二次优化得到最终的权值和阈值.实验仿真结果表明:本文的这种方法,缩短了响应时间,稳态误差很小,能够与膜通量的期望值更好的拟合,更好的预测膜通量.