基于SVM的污水處理過程軟測(cè)量建模研究.pdf

1、針對(duì)污水處理中某些參數(shù)難以在線測(cè)量的情況，對(duì)建立污水處理過程控制參數(shù)及水質(zhì)參數(shù)的軟測(cè)量模型進(jìn)行了研究，為進(jìn)一步實(shí)現(xiàn)污水處理過程的參數(shù)在線檢測(cè)和自動(dòng)控制創(chuàng)造了條件。本文在介紹了軟測(cè)量、數(shù)據(jù)處理等基礎(chǔ)知識(shí)的基礎(chǔ)上，分析了各種常用的軟測(cè)量模型，重點(diǎn)分析了支持向量機(jī)。并且運(yùn)用這種方法對(duì)一些難以在線測(cè)量或測(cè)量成本昂貴的污水處理參數(shù)(例如TN)建立了軟測(cè)量模型。應(yīng)用主元分析(Principal Component Analysis 簡(jiǎn)稱 PCA)，

2、粗糙集(Rough Sets 簡(jiǎn)稱 RS)以及兩者相結(jié)合的方法對(duì)模型輸入數(shù)據(jù)進(jìn)行預(yù)處理。Matlab 仿真結(jié)果表明：該模型取得了較好的效果，比基于BP神經(jīng)網(wǎng)絡(luò)的軟測(cè)量模型更加有效。 論文主要內(nèi)容： 1．介紹軟測(cè)量技術(shù)和污水處理過程，研究了各種軟測(cè)量建模方法。根據(jù)它們的適用范圍和污水處理系統(tǒng)的特點(diǎn)，重點(diǎn)對(duì)兩種常用的模型——神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)做了介紹，分析他們的優(yōu)缺點(diǎn)。 2．由于污水處理系統(tǒng)的數(shù)據(jù)中的誤差及線

3、性相關(guān)性可能會(huì)影響軟測(cè)量模型預(yù)測(cè)的精度，以PCA、RS及RS-PCA對(duì)模型數(shù)據(jù)輸入進(jìn)行預(yù)處理。PCA方法可以去除數(shù)據(jù)的線性相關(guān)性以及降低輸入數(shù)據(jù)的維數(shù)，從而降低誤差數(shù)據(jù)影響；RS方法可剔除冗余變量同時(shí)起到降維作用，從而提高模型的性能。二者均可使模型結(jié)構(gòu)簡(jiǎn)化并提高模型的預(yù)測(cè)效果，但RS方法還減少了需要檢測(cè)的輸入變量不過RS方法不能起到PCA方法可以去除數(shù)據(jù)之間的線性相關(guān)性的作用。而采用RS-PCA則結(jié)合兩者的長(zhǎng)處。 3．以某污水