A novel effluent quality predicting model based on genetic-deep belief network algorithm for cleaner production in a full-scale paper-making wastewater treatment

流出物 清洁生产 质量(理念) 比例(比率) 生产(经济) 污水处理 遗传算法 生化工程 计算机科学 废水 人工智能 工艺工程 算法
作者
Guoqiang Niu,Xiaohui Yi,Chen Chen,Li Xiaoyong,Donghui Han,Bo Yan,Mingzhi Huang,Guang-Guo Ying
出处
期刊:Journal of Cleaner Production [Elsevier]
被引量:26
标识
DOI:10.1016/j.jclepro.2020.121787
摘要

Abstract Recycling wastewater of the pulping and paper-making industry are widely considered for clean production, which heavily rely on the timely and accurate monitoring in paper-making wastewater treatment processes. A novel predicting model based on genetic-deep belief network algorithm was proposed to improve the predictive accuracy and reliability for process monitoring. Considering the deep belief networks (DBN) as a deep learning model is aiming to describe the relationship among variables in a complex process modeling, genetic algorithm (GA) was employed to reduce the input variables dimensionality, simplify the network structure and overcome the dynamic characteristic difficulties of process data in monitoring. Compared with DBN and back propagation neural network (BPNN), the GA-DBN effectively achieved a better predictive accuracy than other tests models in complex wastewater treatment processes. The value of the coefficient of determination of GA-DBN model is increased by 1.71–1.86% and 5.21–9.32%, respectively. The GA-DBN model can be structured with fewer variables or samples to describe the complex paper-making wastewater treatment process, obtaining the better model performance and predictive accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
Pengzhuhuai完成签到,获得积分10
1秒前
金也发布了新的文献求助10
2秒前
YMM完成签到,获得积分10
5秒前
7秒前
7秒前
8秒前
9秒前
10秒前
拼搏尔风发布了新的文献求助10
12秒前
郝宝真发布了新的文献求助10
15秒前
害怕的梦凡完成签到,获得积分10
17秒前
18秒前
小蘑菇应助lhnee采纳,获得10
19秒前
Jack Wong发布了新的文献求助10
20秒前
HaojunWang完成签到 ,获得积分10
22秒前
李爱国应助严小之采纳,获得10
22秒前
田様应助甜蜜绿蝶采纳,获得10
23秒前
温倩男发布了新的文献求助20
24秒前
25秒前
25秒前
qzx驳回了赘婿应助
27秒前
lingo完成签到 ,获得积分10
29秒前
30秒前
高兴断秋发布了新的文献求助10
30秒前
30秒前
31秒前
xiaogui发布了新的文献求助10
31秒前
31秒前
希望天下0贩的0应助ashore采纳,获得10
31秒前
柒z完成签到,获得积分10
33秒前
Gauss应助moncypool采纳,获得30
34秒前
英姑应助经竺采纳,获得10
35秒前
FanFan发布了新的文献求助10
36秒前
FanFan完成签到,获得积分10
40秒前
温倩男完成签到,获得积分10
41秒前
leilei发布了新的文献求助10
42秒前
42秒前
坦率抽屉完成签到 ,获得积分10
43秒前
情怀应助穿堂风采纳,获得10
43秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162896
求助须知:如何正确求助?哪些是违规求助? 2813938
关于积分的说明 7902359
捐赠科研通 2473525
什么是DOI,文献DOI怎么找? 1316888
科研通“疑难数据库(出版商)”最低求助积分说明 631545
版权声明 602187