【BT】基于深度神经网络和遗传算法的生物质灰污泥堆肥建模与优化
本研究探讨了使用深度级联前馈神经网络（DCFNN）对脱水污泥和生物质粉煤灰（BFA）共堆肥中的线性和非线性混沌关系进行建模。将模型结果与RSM、前馈神经网络和反馈神经网络以及级联前馈神经网络进行了比较。DCFNN对所有实验设计中的所有数据集都产生了MAPE值小于1%的预测结果，只有一个数据集的MAPE值为1.99%。此外，通过遗传算法（GA）对决策变量进行了优化。从优化结果中获得的期望水平在少数设计中为100%，在所有其他设计中均高于95%。结果表明，DCFINN是模拟堆肥过程参数的可靠和一致的工具，GA也是确定输入参数在实验装置中会产生哪些输出的令人满意的工具。
