多核SVR在污水處理出水指標建模中的應(yīng)用研究.pdf

1、污水處理廠為保護水資源和防治水污染做出了重大貢獻，但由于污水處理系統(tǒng)是一個高度非線性、強耦合、多變量和大滯后的復(fù)雜系統(tǒng)，其機理研究還不夠成熟，關(guān)鍵指標參數(shù)不能實現(xiàn)實時測量，且污水處理的效果依賴于污水出水水質(zhì)的好壞。因此建立一個高效、合理的污水出水指標模型，將預(yù)測結(jié)果作為指導(dǎo)污水廠運行的依據(jù)，動態(tài)調(diào)整污水處理過程中各工序運行狀態(tài)，具有一定的現(xiàn)實意義和應(yīng)用價值。
　　本文以活性污泥法污水的出水水質(zhì)為研究對象，對于污水處理過程水質(zhì)參數(shù)數(shù)

2、據(jù)分布較復(fù)雜，采用單一核函數(shù)支持向量回歸機模型建模精度不理想的問題，在前人研究成果的基礎(chǔ)上，把多核和智能算法相結(jié)合，建立了出水水質(zhì)參數(shù)的多核支持向量回歸機(MK-SVR)模型，研究內(nèi)容有以下幾方面：
　　首先了解污水處理工藝流程及方法，對影響污水處理過程的水質(zhì)參數(shù)及相關(guān)排放標準進行了分析，利用主成分分析(PCA)法對污水處理過程的影響因素進行降維處理，提取新主元作為支持向量回歸機的輸入，建立了出水COD、BOD、SS和TN的MK-

3、SVR模型。其次，由于模型自身參數(shù)問題的影響，在分析智能算法中粒子群算法(PSO)具有編程方便結(jié)構(gòu)簡單易于實現(xiàn)、搜索速度快、收斂能力強等特點，提出了利用PSO算法對MK-SVR模型進行參數(shù)尋優(yōu)，并針對基本PSO算法的不足對其進行了改進。最后為所提出的模型更具說服力，對幾種不同模型——SVR單核模型、SVR多核模型、基于PCA分析的SVR多核模型與單核模型、基于 PCA分析的PSO+MK-SVR模型及基于PCA分析的改進PSO+MK-SV