Indexed by：
Abstract：
为提高污水处理过程中出水氨氮的预测精度,并针对RBF神经网络参数难以确定的问题,提出一种改进K-means算法优化RBF神经网络的氨氮预测算法。首先,计算每个样本点的密度值,以其大小是否满足一个阈值为条件,判定该点是否为孤立点或噪声点,来消除孤立点和噪声点对K-means算法的影响;然后利用减法聚类算法初始化K-means算法的聚类中心,并得到聚类中心的个数,将改进后的K-means算法优化RBF神经网络结构;最后,通过对污水处理过程中出水氨氮的实际预测实验,表明所提出的算法具有较强的逼近能力。
Keyword：
Reprint Author's Address：
Email：
Source ：
控制工程
Year： 2018
Issue： 03
Volume： 25
Page： 375-379
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 10
