基于CGA-BP神经网络的好氧堆肥曝气供氧量预测模型

• Published in: 农业工程学报 Vol. 39; no. 7; pp. 211 - 217
• Main Authors: 丁国超, 施雪玲, 胡军
• Format: Journal Article
• Language: Chinese
• Published: 黑龙江八一农垦大学信息与电气工程学院,大庆 163319%黑龙江八一农垦大学工程学院,大庆 163319 01.04.2023
• Subjects: 曝气供氧; 遗传算法; BP神经网络; 试验; 好氧堆肥; 模型; CGA-BP神经网络
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202211088

TP183%TP389.1%S210.6; 为提高好氧堆肥曝气供氧量的曝气效率以及预测精度,该研究利用遗传算法(genetic algorithm,GA)对标准反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,再利用克隆选择算法(clonal genetic algorithm,CGA)优化遗传算法中的变异算子并复制算子,加快获取最优参数的速度,构建基于CGA-BP神经网络的曝气供氧量预测模型.为验证CGA-BP模型的有效性,与BP模型、GA-BP模型预测结果进行对比.试验结果表明:克隆遗传算法优化BP神经网络能加快获得最优解,效率相比 BP 模型和 GA-BP 模型分别提高了 75.36％、51.30％;在曝气供氧量预测模型中,CGA-BP模型具有更准确的预测效果,预测精度为99.65％,而BP模型与GA-BP模型预测精度分别为 96.99％、99.26％;CGA-BP模型评价指标的均方误差、平均绝对误差、平均绝对百分误差分别为 0.0034、0.0389 和0.3506,均小于BP神经网络和GA-BP神经网络模型评价指标的误差;利用CGA-BP好氧堆肥曝气供氧量预测模型对好氧堆肥发酵过程进行精准曝气,提高了 3.22％的曝气控制效率.由此可知CGA-BP 神经网络模型有更好的预测效果,可满足好氧堆肥在发酵过程中曝气供氧量的需求,提高曝气效率,为精准控制曝气提供更直接有效的方法.