《表3 不同人工智能方法在水污染监测系统中的应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能技术对长江流域水污染治理的思考》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:TSS为总悬浮固体．

由人工智能技术建立的软测量方法能够快速、精确地评估污染物状况[32]，利用软测量方法和在线监测仪器构建的流域污水监测系统，能够在保证系统低成本运行的同时解决系统响应滞后问题．如表3所示，ZHU等[41]提出了一种由RBFNN软测量方法和在线监测仪器建立的监测系统，实现了对工业污水处理厂出水污染物TP浓度的快速、高精度预测（计算时间为16.8 s，预测精度为83%）.CONG等[42]利用小波神经网络（WNN）开发了厌氧好氧废水处理过程的在线软测量集成系统，该系统即使在工作条件频繁变化的情况下也能实时高效地预估出水污染物CODCr的浓度．SHI等[26]应用PSO-SDAE与在线监测仪构建的污水监测系统能够精确地预测出生物膜系统出水CODCr、TN和NH4+-N的浓度．ZHU等[43]提出了一种结合人工神经网络、折衷规划和多元线性回归的层次混合软测量方法（MLR-ANN），利用MLR-ANN与在线监测仪器构建的水污染监测系统实现了对BOD5高精度的实时预测．HAN等[44]利用递归自组织神经网络（RSONN）软测量方法在线预测污泥体积指数值，其对准确判断污水处理过程中污泥膨胀是否发生具有重要参考依据．