文献类型：期刊文章

作　　者：张玉泽[1] 姚立忠[2] 罗海军[2,3]

ZHANG Yuze;YAO Lizhong;LUO Haijun(School of Electrical Engineering,Chongqing University of Science and Technology;College of Physics and Electronic Engineering,Chongqing Normal University;Chongqing National Center for Applied Mathematics)

机构地区：[1]重庆科技学院电气工程学院 [2]重庆师范大学物理与电子工程学院 [3]重庆国家应用数学中心

出　　处：《环境工程技术学报》

基　　金：国家自然科学基金项目(51805059);重庆师范大学基金项目(22XLB014);重庆市教委科学技术研究项目(KJQN202200531)。

年　　份：2023

卷　　号：13

期　　号：5

起止页码：1857-1864

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2023_2024、JST、ZGKJHX、核心刊

摘　　要：出水化学需氧量(COD)的快速准确测量对于污水处理过程水质的动态调控至关重要。针对出水COD难以实时检测的问题,提出一种基于量子加权最小门限单元(QWMGU)神经网络的出水COD预测方法。先通过多维单步(滑动窗口)预测技术构建时间序列;然后在最小门限单元(MGU)遗忘门、候选状态与输出环节设计量子计算机制,通过更新量子相移门矩阵替代MGU权值矩阵的更新,赋予网络神经元量子特性,并给出QWMGU模型设计的具体规则与构建流程。应用该方法对德州市污水处理厂2020年出水COD进行预测,并与5种流行预测模型进行对比,以检验模型优越性。结果表明:QWMGU网络的相对预测误差优于其他方法,且稳定性较高,其均方根误差、确定系数、平均绝对误差分别为0.073、1、0.047。该模型有助于实现污水处理厂COD的高效在线检测。

关 键 词：污水处理 出水COD  最小门限单元  量子机制  模型预测  

分 类 号：X832]