基于组合预测模型污水处理水质预测的研究
作者 : 未知

  摘 要:现如今,我国水资源问题已经成为了人们生活中面临的重要问题之一。各工业废水和生活污水产生量急剧增多,大量没有经过处理的工业废水和城市污水直接排入了河流,使得水源水,特别是地表水体被大面积污染。针对这些的问题,提出了组合预测模型,并在原有模型的基础上提出了新的改进方法。
  关键词:灰色预测;组合预测;污水处理;ELM
  中图分类号:X832 文献标识码:A DOI:10.15913/j.cnki.kjycx.2016.16.085
  在污水处理方面,应用比较多的算法模型有灰色预测模型和BP神经网络预测模型。在这项研究,以污水预测为目标,结合多个预测模型,建立组合预测模型,从而更有效、更准确地预测出水COD,在水质达标的同时实现节约能源。
  1 组合预测模型
  1.1 灰色预测动态模型
  GM(1,1)动态预测模型是应用比较广泛的一种灰色动态预测模型,该模型中含有一个一阶变量的灰色微分方程。该预测模型是用于量化灰色数学中不确定的量。其实现主要有以下4个步骤:
  根据上述离散的数据形式再还原成初始数据,即可求得所需的GM(1,1)数学预测模型。
  1.2 ELM算法简介
  极限学习机(Extreme Learning Machine,ELM)是一种新型的快速学习算法,针对单隐层前馈神经网络SLFN,可以随机初始化输入的数据权重和偏置,得到输出权重。针对一个训练的数据样本,只需关注隐含层神经元的输出层,忽略输入层和隐含层。
  有M个互不一样的数据 ,设单隐层ELM神经网络包含P个隐含层的神经元可以无限小的逼近该M个互不一样的数据源,即存在ai,bi和βi(i=1,2,…,L)使下式成立:
  2 对污水处理的效果分析
  从污水处理厂获取数据样本后,对所获得的数据样本进行预处理,去掉误差较大的干扰数据。经试验仿真得到,出水COD的均方误差RMSE是0.924 0,其预测误差效果如图1所示。
  从图1中可以看出,该融合算法能够比较准确地预测出水COD参数,而且预测精度比较高。另外,其误差精度比较小,能够满足日常污水处理的排放指标。由此可知,组合预测模型在污水处理预测上比单个预测模型的预测精度更高,效果更好。
  3 结束语
  经济、高效的污水处理技术对促进污水回收再利用,缓解日益恶化的水环境污染所带来的压力具有深远而重大的意义。本文提出了多传感器数据融合方法,为选择合适的污水处理方法提供了理论基础。综合考虑和对比其他融合方法,多传感器数据融合方法的仿真结果满足了融合的要求,融合后的误差效果优于单个算法。
  参考文献
  [1]王波,郭夜白,高来斌,等.最优加权预测在吉林省粮食产量预测中的应用[J].吉林农业大学学报,2008,30(5).
  [2]史峰,王辉,郁磊,等.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社,2011.
  〔编辑:白洁〕

文秘写作 期刊发表