论文部分内容阅读
针对污水处理过程的多变量、非线性、大滞后和强耦合的特点,利用递归高阶神经网络对污水处理过程关键水质参数——化学需氧量、生化需氧量、悬浮固体和氨氮——进行建模.对污水处理厂生化反应过程实际运行数据的实验表明所提出的建模方法是有效的,同时与前馈神经网络建模和一阶递归神经网络建模相比较,结果显示递归高阶神经网络建模具有更高的精确性.