人工神经网络BP算法实验报告 - search read.pudn.com.doc
2022-05-18 22:04:41
230KB
BP网络matlab数据预测代码通过机器学习进行DET预测
随着废水处理中数据的增加，数据驱动的机器学习模型可用于对生物过程和复杂React进行建模。
但是，很少有数据驱动的模型可用于模拟微生物电解池（MEC），而传统模型过于模棱两可，无法理解其机理。
在这项研究中，首先开发了一种新的通用数据驱动的两阶段模型，该模型通过直接电子传输（DET）通过生物阴极MEC的原位沼气升级预测CH
4的产生，该模型称为NARX-BP混合神经网络。
与传统的一阶段模型相比，该模型可以很好地预测通过DET产生的甲烷的性能（R
2和MES分别为0.918和6.52×10
-2
），并揭示了沼气升级的机理，用于新的系统模型该方法可以通过输入重要的中间变量来提高通用性和适用性。
此外，该模型通常可用于支持厌氧消化或更复杂系统的长期预测和最佳操作。
1，需求环境
Matlab
2017b
2.主要
该项目包括NARX-BP混合神经网络的模型和代码。
3.出版
通过直接电子转移估算微生物电解池中原位沼气的升级：基于NARX-BP混合神经网络的两阶段机器学习模型
该研究的论文尚不可用。
4.版本
V.0.0.1
2021-11-23 19:45:40
59KB
1
简述了人工神经网络BP模型,以Excel为技术平台,创建了人工神经网络BP预测模型。应用该模型预测了吉林省农安水文站枯季径流量。结果表明,预测结果合理,精度较高;模型操作简便,有进一步推广价值。
2020-03-04 03:03:14
766KB
1