基于PSO-Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法

本发明提供基于PSO‑Elman神经网络的絮凝辅助固化磷石膏中可溶性磷、氟的优化条件预测方法，将磷石膏样品加水搅拌后过滤得到磷石膏滤液用于后续测定；分别对固化剂投加量，投加固化剂后的搅拌时间，投加固化剂后的搅拌速率，絮凝剂投加量，投加絮凝剂后的搅拌时间,投加絮凝剂后的搅拌速率，进行单因素实验并记录可溶磷、氟的去除率作为条件数据样本集；利用粒子群算法优化神经网络。使用粒子群优化算法PSO对Elman的参数进行寻优，提高Elman神经网络的预测精度；平均绝对相对偏差AARD，均方根误差RMSE和决定系数对去除率进行评估；该方法利用Elman神经网络的动态特性和粒子群优化算法的全局搜索能力，实现对絮凝辅助固化磷石膏中可溶性磷、氟最佳处理条件的预测和优化。