| 基于pso-SVM的废水厌氧处理过程软测量模型 |
| |
| 作者姓名： | 刘林 马邕文 万金泉 王艳 谢彬 武书彬 |
| |
| 作者单位： | 华南理工大学环境与能源学院, 广州 510006,1. 华南理工大学环境与能源学院, 广州 510006;2. 华南理工大学教育部工业聚集区域污染控制与修复重点实验室, 广州 510006;3. 华南理工大学制浆造纸国家重点实验室, 广州 510006,1. 华南理工大学环境与能源学院, 广州 510006;2. 华南理工大学教育部工业聚集区域污染控制与修复重点实验室, 广州 510006;3. 华南理工大学制浆造纸国家重点实验室, 广州 510006,1. 华南理工大学环境与能源学院, 广州 510006;2. 华南理工大学教育部工业聚集区域污染控制与修复重点实验室, 广州 510006;3. 华南理工大学制浆造纸国家重点实验室, 广州 510006,华南理工大学环境与能源学院, 广州 510006,华南理工大学制浆造纸国家重点实验室, 广州 510006 |
| |
| 基金项目： | 国家自然科学基金资助（No.31570568,31670585）;中国制浆造纸工程国家重点实验室（No.201535）;广东省高层次人才基金项目（No.201339）;广州市科技计划项目（No.201607010079,201607020007）;广东省科技计划项目（No.2016A020221005） |
| |
| 摘 要： | 由于厌氧消化过程的复杂性和厌氧菌的敏感性,保持厌氧消化体系的稳定和高效性是比较困难的.本文在实验室采用IC反应器构建了一套厌氧废水处理系统处理人工合成废水,基于支持向量机(SVM)提出了一种预测废水厌氧处理系统出水挥发性脂肪酸(VFA)浓度和COD去除率的软测量模型.为了提高模型的精确性和鲁棒性,加入pso算法(粒子群算法)优化SVM模型,并引入了分类策略对元数据集进行有效分类.仿真结果表明,基于pso-SVM模型的软测量模型对厌氧废水处理系统出水VFA浓度和COD去除率具有较好的预测能力,模型预测系统COD去除率及出水总VFA浓度测试样本数据相关系数分别为65.86%、85.25%;加入分类策略后,元数据集分成两类,模型预测系统COD去除率测试样本数据相关系数分别为92.34%、83.41%;模型预测系统出水总VFA浓度测试样本数据相关系数分别为99.14%、99.59%,系统预测精度明显提高.引入分类策略对元数据集进行有效分类,基于pso-SVM的软测量模型可为监控、优化和理解厌氧消化过程提供指导.
|
| 关 键 词： | 厌氧处理 支持向量机(SVM) 粒子群算法(pso) 分类 挥发性脂肪酸 COD去除率 |
| 收稿时间： | 2016-05-20 |
| 修稿时间： | 2016-06-15 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《环境科学学报》浏览原始摘要信息 |
|
点击此处可从《环境科学学报》下载免费的PDF全文 |
|
