数据驱动的污水处理高密池混凝加药预测研究.pdfVIP

第50卷第2期2024年给水排水WATERWASTEWATERENGINEERINGVol.50No.22024

WATERWASTEWATERENGINEERINGMS

数据驱动的污水处理高池混凝加药预测研究

王晨卢津4孔宪光5陈改革4

马帅印殷磊5张茜6

（1西安邮电大学计算机学院，西安710121；2西安邮电大学陕西省网络数据分析与智能处理重点实验室，

710121；4西安邮电大学

西安710121；3西安邮电大学西安市大数据与智能计算重点实验室，西安

陕西省“四主体一联合”5G十工业互联网通讯终端技术校企联合研究中心，西安710121；5西安电子科技

大学机电工程学院，西安710071；6中国电子科技集团公司第十研究所，成都610036)

摘要：高密池是污水处理工艺流程中关键且复杂的一个环节，而混凝加药过程在高密池中扮演

重要的角色，针对混凝加药非线性、大迟滞性、不确定因素较多的特性，为实现加药量的预测控制，达

到降低成本的目的。提出主成分分析（PrincipalComponentAnalysis，PCA）和极限学习机（Ex-

tremeLearningMachine，ELM)以及长短记忆神经网络（LongShort-TermMemory，LSTM)残差

组合预测方法，PCA降维和LSTM残差优化能够有效提高ELM的预测精度，同时对模型参数进行

优化可以得到最优方法。利用污水处理数据进行验证，所提预测方法的平均绝对误差为0.14%，均

方误差根为0.63%。试验结果表明，该方法在预测精度上明显优于随机森林等机器学习预测方法，

为混凝加药量的预测和控制提供了可靠的依据，并具有实际应用价值。

关键词：高密池；混凝加药；组合预测；极限学习机；机器学习

中图分类号：TU992文献标识码：A

D0l:10.13789/ki.wwe1964.2023.09.06.0005

引用本文：马帅印王晨，卢津，等数据驱动的污水处理高密池混凝加药预测研究[J.给水排

:158-166.MAWAetal.ResearchOediction

coagulationdosinginhigh-densitypoolsforsewagetreatmentLJWaterWastewater

of

Engine(2):158-166.

Researchondata-drivenpredictionofcoagulationdosing

inhigh-densitypoolsforsewagetreatment

nl.2.3.4,WANGChen,LUJin,KONGXianguang,

MAShuaiyin

YINLei°,CHENGaige,ZHANGQian

(1.SchoolofComputerScienceandTechnology,XianUniversityofPostsand

Telecommunications,Xian710121,China;2.ShaanriKeyLaboratoryofNetworkData

AnalysisandIntelligentProcessing,XianUniversityofPostsandTelecommuni