针对污水处理厂生化池中参数监测智能化水平不高、人力耗费较大的问题,提出基于麻雀算法-长短期记忆神经网络(Sparrow Search Algorithm-Long Short Term Memory Network,SSA-LSTM)的水质参数预测模型。以污水处理过程中好氧区溶解氧(Di...针对污水处理厂生化池中参数监测智能化水平不高、人力耗费较大的问题,提出基于麻雀算法-长短期记忆神经网络(Sparrow Search Algorithm-Long Short Term Memory Network,SSA-LSTM)的水质参数预测模型。以污水处理过程中好氧区溶解氧(Dissolved Oxygen,DO)、好氧区混合液悬浮固体(Mixed Liquid Suspended Solids,MLSS)质量浓度、缺氧区DO、缺氧区氧化还原电位(Oxidation-Reduction Potential,ORP)、厌氧区DO和厌氧区ORP 6个关键指标为数据样本,进行实例研究。将SSA-LSTM的预测结果与长短期记忆神经网络(Long Short-Term Memory Network,LSTM)、粒子群算法(Particle Swarm optimization-Long Short Term Memory Network,PSO-LSTM)、深度森林以及支持向量机进行对比分析,结果显示:SSA-LSTM在6个参数上的均方误差(EMSE)和决定系数(R2)均表现出更好的预测性,预测精度最高。展开更多