| 废水处理过程的KPLS-GPR软测量建模 |
| |
| 引用本文： | 刘鸿斌,杨冲.废水处理过程的KPLS-GPR软测量建模[J].江苏大学学报(自然科学版),2020,41(5):580-587. |
| |
| 作者姓名： | 刘鸿斌 杨冲 |
| |
| 作者单位： | 南京林业大学江苏省林业资源高效加工利用协同创新中心,江苏南京210037;南京林业大学江苏省林业资源高效加工利用协同创新中心,江苏南京210037 |
| |
| 基金项目： | 南京林业大学高层次人才科研启动基金 |
| |
| 摘 要： | 采取基于核函数偏最小二乘法的高斯过程回归模型(KPLS-GPR),对复杂的造纸废水处理过程中出水化学需氧量(COD)和出水悬浮固形物(SS)质量浓度进行预测.首先,采用KPLS的潜变量作为预测模型的输入变量,以降低数据维度,优化数据结构;其次,建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验,引入人工神经网络(ANN)、基于偏最小二乘潜变量的预测模型(PLS-ANN)及基于核函数偏最小二乘潜变量的预测模型(KPLS-ANN)作为对比.试验结果表明:KPLS潜变量对预测模型有明显的优化效果,在这些模型中KPLS-GPR预测精度最高;对于出水COD和SS质量浓度的预测,KPLS-GPR的决定系数分别为0.575和0.610,相比于常规预测模型,决定系数可分别提升36.90%和43.87%.
|
| 关 键 词： | 废水处理过程 潜变量模型 核函数偏最小二乘 高斯过程回归 软测量 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
