文献类型：期刊文章

作　　者：乔俊飞[1,2] 周红标[1,2,3]

QIAO Jun-fei;ZHOU Hong-biao(Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China;Beijing Key Laboratory of Computational Intelligence and Intelligent System, Beijing 100124, China;Faculty of Automation, Huaiyin Institute of Technology, Huai’an Jiangsu 223003, China)

机构地区：[1]北京工业大学信息学部,北京100124 [2]计算智能和智能系统北京市重点实验室,北京100124 [3]淮阴工学院自动化学院,江苏淮安223003

出　　处：《控制理论与应用》

基　　金：国家杰出青年科学基金项目(61225016);国家自然科学基金重点项目(61533002)资助~~

年　　份：2017

卷　　号：34

期　　号：2

起止页码：224-232

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20172103687715)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对污水处理过程出水总磷预测问题,本文提出一种基于改进Levenberg--Marquardt(improved Levenberg--Marquardt,ILM)学习算法和奇异值分解(singular value decomposition,SVD)的适于在线建模的自组织模糊神经网络(fuzzy neural network,FNN)预测方法.ILM-SVDFNN采用改进LM学习算法对隶属函数中心、宽度和输出权值进行训练.在参数自适应学习的同时,采用单边Jacobi变换实现规则层输出阵的奇异值分解,根据奇异值定义增长和修剪指标实现规则层神经元在线动态调整.此外,证明了所提方法在网络结构固定和调整阶段的收敛性.最后,利用典型非线性系统辨识、Mackey-Glass时间序列预测和实际污水处理过程出水总磷预测实验进行验证.仿真结果显示所设计的自组织模糊神经网络结构紧凑且预测精度较高,较好地满足了污水处理厂对出水总磷检测精度和实时性的要求.

关 键 词：出水总磷  模糊神经网络 自组织模糊神经网络 改进Levenberg--Marquardt  奇异值分解

分 类 号：X703] TP183]