最小二乘支持向量回归皿s删.pdfVIP

第29卷第7期 计算机与应用化学 、，01．29，No．7 2012年7月28日 C伽叩u∞e髂锄dAppHedCh锄isⅡy July28，2012 基于多尺度小波LSSVR的污水处理过程软测量 王鲜芳1∥，朱晓霞3，吴瑞红1，郑延斌1，2 (1．河南师范大学计算机与信息技术学院，河南，新乡，453007； 2．河南省高校计算智能与数据挖掘工程技术研究中心，河南，新乡，453007； 3．河北科技大学理学院，河北，石家庄，050018) 摘要：针对污水处理中某些生物参数难以在线测量的情况，本文提出了一种基于小波核的多尺度最小二乘小波支持向量 机软测量建模方法。首先，选取墨西哥草帽小波函数作为最小二乘支持向量机的核函数，进而设计出多尺度小波最小二 乘支持向量回归机(MⅣ．LSsvR)。然后利用该支持向量机和出水水质参数特性建立混合软测量模型，实现对出水BOD 浓度、CoD浓度在线预测。通过在实际污水处理过程的应用，结果表明本建模方法具有较高的预测精度和较快的模型学 习速度，能对BOD的做出准确的预测，一定程度上可以替代某些昂贵的在线测量仪表，给污水处理厂工作人员提供了控 制操作依据，具有一定的实际应用价值。 关键词：小波；最小二乘支持向量机；多尺度学习；污水处理 文献标识码：A 中图分类号：TQ015．9；TP391．9；06-39 文章编号：100l_4160(2012)07-797-800 1 引言 任意分类界面，同样回归支持向量机也不能逼近任意的 目标函数。 污水处理是环境保护的重要环节，生化需氧量 本文选用了满足M∞掰条件的墨西哥草帽小波核， ∞OD)、化学需氧量(COD)等是衡量污水处理效果的决定 结合小波多尺度学习以及支持向量回归机(Le髂t Squa糟 性指标，由于传感器技术的限制，目前这些参数大多要 vector Support 靠人工化验来确定，导致了当前污水处理过程自动化水 的思想提出了多尺度小波最小二乘支持向量回归机。它 平相对落后【lJ。 通过对一个二次优化问题的求解得到不同尺度上的 软测量技术是工业过程分析、控制和优化的有力工 LS．WsⅥt系数。然后利用该支持向量机和出水水质参数 具，是目前工业传感器品种与数量尚不足时的一种重要 特性建立混合软测量模型，实现对出水BOD浓度、cOD 补充，很多学者已成功地将软测量技术应用于污水处理 浓度在线预测。解决BOD、COD难于在线监测的问题， 过程出水指标的建模与估计中，并取得较好的效果【2】。 给污水处理厂工作人员提供了控制操作依据，达到提升 冯丽辉等【3】应用多元线性回归软测量模型①几R)对昆明 处理系统控制精度、改善出水水质的目的。 市某污水厂的处理出水参数进行预测，所获软测量模型 结构简单，但其辅助变量多为进水参数，而进水参数的 2 多尺度小波LSSⅥt 测量同样存在滞后性，尤其是BOD，且由于实验中采样 2．1 最小二乘支持向量回归皿S删 时间过长且不均、辅助变量太少及