题目:基于改进粒子群优化 LSSVM 的污水 COD 软测量建模
作者:黄琦兰
期刊:天津工业大学学报
摘要:摘 要:针对在污水处理过程中水质参数(如出水化学需氧量(COD),pH 值)变化过程的高度时变性、非线性和复杂
性等特点,提出一种基于改进粒子群优化最小二乘支持向量机(IPSO-LSSVM)的软测量模型。该模型将小
样本机器学习———最小二乘支持向量机(LSSVM)引入工业污水处理过程水质参数预测,网络训练过程中采
用粒子群优化算法,使得该算法能够自适应获取最优超参数,形成 IPSO-LSSVM 算法,对工业污水处理出
水 COD 参数进行回归预测。实验结果表明:与 LSSVM 和 PSO-LSSVM 模型相比,IPSO-LSSVM 模型预测结
果的均方根误差分别降低了 40.9%和 30.5%;相关系数分别提高了 13.0%和 6.6%。这表明 IPSO-LSSVM 模
型在预测精度、收敛速度和抗干扰能力等方面明显优于 LSSVM 和 PSO-LSSVM 模型。
关键词:污水处理;化学需氧量(COD);改进粒子群算法;最小二乘支持向量机(LSSVM);参数优化;出水化学需氧量
方法:本文将 2019 年的日运行数据作为
模型训练和测试数据。以出水 COD 为预测模型的输
出,以进水悬浮固型物(SS)、进水总氮(TN)、进水温度
(T)、进水化学需氧量(COD)、进水量(Q)、进水 pH 值、生化池溶解氧(DO)为预测模型的输入,建立 7 输入 1
输出的预测模型。