中国环境科学

作者：张长胜, 韩涛, 钱斌, 胡蓉, 田海湧, 毛辉, 王卓

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 650500;2. 云南树业科技有限公司, 云南 昆明 650032;3. 中国市政工程华北设计研究总院有限公司昆明分公司, 云南 昆明 650051

关键词：混凝加药,预测模型,BPNN,BFO,QPSO

基金：国家自然科学基金资助项目（51665025，61963022）

本文给出一种量子粒子群（QPSO）算法、改进菌群觅食（IBFO）算法优化反向传播神经网络（BPNN）的混凝投药预测模型，利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置；通过细菌协同改进趋化算子提高优化精度，结合差分算法改进繁殖算子解决部分维度退化问题，加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷；进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试，结果表明，所提算法预测结果的均方误差（MSE）达0.0116mg/L，平均绝对误差百分比（MAPE）达1.36%，在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.

来源：2021年第10期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2021年第10期