基于深度学习的污水处理厂出水总磷预测方法
水体中磷含量过高是造成水体富营养化的关键因素之一，故总磷是污水处理的一项重要水质控制参数，传统总磷测定方式无法实现对出水总磷的实时监测，不利于处理过程的智能化发展。使用BP神经网络（BPNN）、卷积神经网络（CNN）、长短期记忆递归神经网络（LSTM）、Informer模型建立了污水处理厂出水总磷预测模型，分析表明：BPNN模型的<italic>R</italic><sup>2</sup>为0.459 7，模型预测结果平稳性差；CNN模型的各项评估指标都较差，不适用于对污水处理厂出水总磷的预测；LSTM模型的均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和<italic>R...
Shranjeno v:
| Principais autores: | , , , , |
|---|---|
| Format: | Artigo |
| Jezik: | Chinês |
| Izdano: |
Editorial Office of Industrial Water Treatment
2024-10-01
|
| Serija: | Gongye shui chuli |
| Teme: | |
| Online dostop: | http://www.iwt.cn/thesisDetails#10.19965/j.cnki.iwt.2023-0970 |
| Oznake: |
Brez oznak, prvi označite!
|