ty -jour au -Zhang，jun au -luo，da -yong py -2020 da -2020/08/05 ti-多模式控制通过可变 - 实施神经网络建模，用于水纯化过程中的凝结剂剂量SP -5392417 VL -2020 AB -2020 AB -2020 AB- 随机神经网络具有良好的全球融合和基于快速梯度的学习能力的特征。它可以应用于多维非线性系统，但其概括能力很差。在本文中，通过PCA方法结合规则基础，提出了改进的多模式可变构建载体神经网络算法（MM-P-VSRVNN）用于凝结剂量，这是水纯化过程中的关键生产过程。确保合格的水，如何有效控制凝血剂量，获得有效的生产成本并增加更多利润，这是水处理计划的重点。与普通的神经网络模式不同，PCA用于优化隐藏层节点，并在每个计算中更新神经网络结构。该方法可以有效地纠正凝血剂量，同时保持有效的凝血性能。顺便说一句，MM-P-VSRVNN算法可以减少计算时间并避免过度拟合学习能力。最后，通过实验证明了该方法可行，并通过仿真结果进行了分析。SN -1076-2787 UR -https：//doi.org/10.1155/2020/5392417 do -10.1155/2020/5392417 JF-复杂性PB -Hindawi KW- hindawi kw- er- er-