神经网络对微砂加重絮凝处理矿井水效果预测

通过混凝沉淀单因素试验确定最佳反应条件根据试验结果,使用交叉验证法训练广义回归神经网络(GRNN)来预测微砂加重絮凝工艺的出水水质。结果显示,浊度和固体悬浮物(SS)去除率的实际值与预测值误差小于2%,说明GRNN具有良好的非线性拟合性,并广泛适用于微砂加重絮凝工艺。