基于量子加权最小门限单元网络的出水COD预测

来源：环境工程技术学报杂志2023年第5期北京时间：

作者：张玉泽, 姚立忠, 罗海军

摘要：出水化学需氧量（COD）的快速准确测量对于污水处理过程水质的动态调控至关重要。针对出水COD难以实时检测的问题，提出一种基于量子加权最小门限单元（QWMGU）神经网络的出水COD预测方法。先通过多维单步（滑动窗口）预测技术构建时间序列；然后在最小门限单元（MGU）遗忘门、候选状态与输出环节设计量子计算机制，通过更新量子相移门矩阵替代MGU权值矩阵的更新，赋予网络神经元量子特性，并给出QWMGU模型设计的具体规则与构建流程。应用该方法对德州市污水处理厂2020年出水COD进行预测，并与5种流行预测模型进行对比，以检验模型优越性。结果表明：QWMGU网络的相对预测误差优于其他方法，且稳定性较高，其均方根误差、确定系数、平均绝对误差分别为0.073、1、0.047。该模型有助于实现污水处理厂COD的高效在线检测。

关键词：污水处理, 出水COD, 最小门限单元, 量子机制, 模型预测