基于流形正则化半监督学习的污水处理操作工况识别方法-化工学报.PDFVIP

第 67 卷 第 6 期 化 工 学 报 Vol.67 No.6 2016 年 6 月 CIESC Journal June 2016 DOI ：10.11949/j.issn.0438-1157 基于流形正则化半监督学习的污水处理操作工况识别方法 赵立杰，王海龙，陈斌 （沈阳化工大学信息工程学院，辽宁沈阳 110142 ） 摘要：污水处理过程容易受外界冲激扰动影响，引发污泥上浮、老化、中毒、膨胀等故障工况，导致出水水质质 量差，能源消耗高等问题，如何快速准确识别污水操作工况故障至关重要。针对污水工况识别过程中现有监督学 习方法未利用大量未标记数据蕴含的丰富操作工况信息，采用基于流形正则化极限学习机的半监督学习方法，监 视生化污水处理过程操作运行工况。该方法在学习过程中，在标记和未标记数据输入空间构建图拉普拉斯算子， 通过随机特征映射建立隐含层，在流形正则化框架下，求解隐含层和输出层之间的权重，保留随机神经网络的计 算效率和泛化性能。仿真实验结果表明，基于半监督极限学习机的污水处理工况识别在准确率与可靠性方面相对 优于基本极限学习机方法。 关键词：污水处理；极限学习机；半监督算法；流形正则化 中图分类号：TP 391 文献标志码：A 文章编号：0438—1157 （2016 ）06—2462—07 Identification of wastewater operational conditions based on manifold regularization semi-supervised learning ZHAO Lijie, WANG Hailong, CHEN Bin (College of Information Engineering, Shenyang University of Chemical Technology, Shenyang 110142, Liaoning , China) Abstract: The wastewater treatment process is vulnerable to the impact of external shocks to cause sludge floating, aging, poisoning, expansion and other failure conditions, resulting in effluent deterioration and high energy consumption. It is urgent to quickly and accurately identify the operating conditions of wastewater treatment process. In the existing supervised learning methods all the data are labeled which are time consuming and expensive. A multitude of unlabeled data to collect easily and cheaply have rich and useful information about the oper