數(shù)據(jù)挖掘技術(shù)在污水處理中的.pdf

1、隨著科學(xué)技術(shù)的發(fā)展,工業(yè)和生活的用水增加,排放的污水量增加,為了讓人們能喝到干凈的水,污水處理技術(shù)在人類生存的迫切需求之下快速的發(fā)展;污水處理過(guò)程不是一種簡(jiǎn)單的污水過(guò)濾,其工藝過(guò)程極其復(fù)雜,目前污水處理的數(shù)據(jù)處理、控制過(guò)程、故障診斷等都與數(shù)據(jù)挖掘技術(shù)息息相關(guān);數(shù)據(jù)挖掘是從大量的數(shù)據(jù)集中提取出隱含的、未知的、潛在的有用知識(shí)的過(guò)程。污水處理過(guò)程工藝的復(fù)雜性導(dǎo)致污水處理數(shù)據(jù)的大量、多樣、高維等特點(diǎn),使得監(jiān)控污水處理信息的采集屬性很多;工藝設(shè)備

2、處理過(guò)程的故障通常反應(yīng)在監(jiān)控采集的數(shù)據(jù)上面,因此可以通過(guò)對(duì)監(jiān)控設(shè)備采集來(lái)的污水處理數(shù)據(jù)信息進(jìn)行異常數(shù)據(jù)挖掘,來(lái)發(fā)現(xiàn)工藝設(shè)備異常行為和模式。現(xiàn)在傳統(tǒng)的異常挖掘算法對(duì)采集的信息數(shù)據(jù)的單個(gè)或幾個(gè)屬性進(jìn)行數(shù)據(jù)挖掘,表現(xiàn)出較好的效果,但對(duì)于數(shù)據(jù)的高維屬性集之間存在較高的耦合性、關(guān)聯(lián)性等導(dǎo)致傳統(tǒng)的基于距離和密度的聚類算法效率降低,達(dá)不到預(yù)期效果。
　　針對(duì)傳統(tǒng)聚類算法的初始聚類中心很難確定的問(wèn)題,本文利用遺傳算法確定初始聚類中心;遺傳算法具有

3、很好的全局搜索能力,可以搜索到最優(yōu)或較優(yōu)的聚類中心點(diǎn),利用搜索到的初始聚類中心來(lái)確定初始聚類中心距離,利用初始聚類中心距離來(lái)劃分?jǐn)?shù)據(jù)集,在局部數(shù)據(jù)集上采用DBSCAN聚類算法進(jìn)行聚類操作,采用遺傳聚類算法對(duì)UCI污水?dāng)?shù)據(jù)進(jìn)行處理,分析實(shí)驗(yàn)結(jié)果:
　　針對(duì)污水處理數(shù)據(jù)的高耦合性與高維性,本文引入信息熵的概念,定義了屬性熵、異常屬性、異常屬性子集與異常屬性子空間的概念,提出了基于信息熵的子空間聚類算法來(lái)解決污水?dāng)?shù)據(jù)的高維問(wèn)題,利用改進(jìn)