论文部分内容阅读
近年来,在国家经济发展的同时水资源污染问题变得也愈发严重,污水治理已经是社会急需解决的问题。因此,污水处理系统的研究与应用有着重要的意义。本文以安徽省某环保科技公司的污水处理为研究对象,研究污水出水COD参数的预测。污水处理的过程具有复杂性以及水体的变化呈现非线性和未知性等特性。传统的污水处理使用的ASM相关模型由于其考虑参数和过程较多,增加了测量参数的干扰因素,最终给所建预测模型带来不理想的效果。人工神经网络有着较好的容错性、自适应的能力以及可以进行大规模的数据并行计算,适用于多因素、多条件的场合,以及对数据的模糊处理。因此,将神经网络应用于对污水水质预测具有一定的优势,本文的研究内容主要包括:首先,针对软测量应用的优势,建立了神经网络污水处理软测量模型,并进行了仿真验证,针对模型预测效果的不足增加了基于BP算法及Elman算法的改进方法,使模型的准确度有一定的提升。其次,研究了支持向量机基本原理、核函数与参数的选定方法,并将支持向量机应用于污水的预测建模研究,选取了基于网格搜索优化以及粒子群优化两种方法分别对该模型进行参数优化,取得了良好的预测效果。最后,针对神经网络在建模时存在的局部极小值及辅助变量导致的矛盾数据问题,建立了基于支持向量机和改进神经网络相联合的预测模型。同时为了解决组合模型中单一神经网络之间存在的相关性问题,加入了主元回归(PCR)对子模型的输出进行数据加权融合。最终,构建的软测量模型在预测准确性上有较大的提升以及拥有较好的鲁棒性和泛化能力。本论文的贡献在于:建立了基于支持向量机与改进神经网络相组合的软测量出水COD模型,并仿真验证对比单神经网络模型以及支持向量机模型,验证了此方法的优良预测效果,实现了对出水COD数据更加精准的预测。