Prediction of effluent concentration in a wastewater treatment plant using machine learning models

Of growing amount of food waste, the integrated food waste and waste water treatment was regarded as one of the efficient modeling method. However, the load of food waste to the conventional waste treatment process might lead to the high concentration of total nitrogen(T-N) impact on the effluent water quality. The objective of this study is to establish two machine learning models—artificial neural networks(ANNs) and support vector machines(SVMs), in order to predict 1-day interval T-N concentration of effluent from a wastewater treatment plant in Ulsan, Korea. Daily water quality data and meteorological data were used and the performance of both models was evaluated in terms of the coefficient of determination(R~2), Nash–Sutcliff efficiency(NSE), relative efficiency criteria(d rel). Additionally, Latin-Hypercube one-factor-at-a-time(LH-OAT) and a pattern search algorithm were applied to sensitivity analysis and model parameter optimization, respectively. Results showed that both models could be effectively applied to the 1-day interval prediction of T-N concentration of effluent. SVM model showed a higher prediction accuracy in the training stage and similar result in the validation stage.However, the sensitivity analysis demonstrated that the ANN model was a superior model for 1-day interval T-N concentration prediction in terms of the cause-and-effect relationship between T-N concentration and modeling input values to integrated food waste and waste water treatment. This study suggested the efficient and robust nonlinear time-series modeling method for an early prediction of the water quality of integrated food waste and waste water treatment process.     

有机化学品不同温度下(过冷)液体蒸气压预测模型的建立与评价

(过冷)液体蒸气压(PL)是评价化学品在环境中分配、迁移和归趋行为的重要参数。PL具有较强的温度依附性。发展一种能够精确预测不同环境温度下化学品PL的方法,有助于填补化学品生态风险评估的大量数据缺失。本研究收集整理了661种有机化合物在不同温度下(200~830 K)共计10 478个log PL值。在此基础上,采用偏最小二乘(PLS)回归和支持向量机(SVM)方法,构建了PL的线性和非线性预测模型。结果表明:2种模型均具有良好的拟合度、稳健性及预测能力,SVM模型的预测性能略高于PLS模型(PLS:R2adj.tra=0.912,RMSEtra=0.477,Q2ext=0.910;SVM:R2adj.tra=0.997,RMSEtra=0.092,Q2ext=0.967)。机理分析表明,温度是影响PL的主要因素,温度越高,蒸气压越大;其次,X1sol也影响PL大小,X1sol用来描述分子间的色散作用,分子间色散力越小,蒸气压越大;此外,化合物的氢键个数、极性和分子构型等因素也影响PL大小。采用Wiliams plot方法表征了PLS模型应用域。所建立的模型可用来预测烷烃、烯烃、醇、酮、羧酸、苯、酚、联苯、卤代芳香烃、含N化合物及含S化合物在不同温度下的PL数据。     

基于支持向量机的湖泊生态系统健康评价研究

利用支持向量机在处理分类问题、小样本问题和泛化推广方面的优势,构建了基于支持向量机的湖泊生态系统健康评价模型.同时,对广州市最大的人工湖——白云湖的水质及生物群落情况进行了监测,最后运用该模型对白云湖生态系统健康状况进行了评价.评价结果表明,白云湖生态系统处于病态状态,不能达到其净化水质的设计作用.建议从提高进水水质、实施湖区截污和丰富生物量3方面改善白云湖生态系统健康水平.与传统熵权综合健康指数法和熵权模糊综合评价法相比,所建模型更加客观、科学地评价了湖泊生态系统健康状况,能够为湖泊生态系统健康管理提供一定依据,具有广阔的应用前景.     

区域生态环境评价的灰色关联投影模型

区域生态环境评价是实现全面环境管理，协调区域经济发展与生态环境保护．实现区域可持续发展的重要手段。由于评价所涉及的地域复杂性和因素多样性，许多评价方法和体系都处于不断探索和发展之中。区域生态环境系统是一个灰色系统，包括了自然、经济和社会等方面具有信息不确知性和不完全性的因素。基于灰色系统理论和矢量投影原理，建立了区域生态环境评价的灰色关联投影模型。该模型将评价样本及各级质量标准视为矢量．分别向同一矢量(理想样本)进行投影。根据投影值的大小，确定样本所属的生态环境质量级别及样本间的优劣排序。以巢湖流域为个案，在建立生态环境评价指标体系和标准的基础上，运用所建模型对其生态环境质量现状进行了评价，结果与实际情况相吻合。即巢湖流域总体以及分区合肥市、六安市的生态环境质量为4级，分区巢湖市为5级。研究表明，灰色关联投影模型对于多指标的区域生态环境质量评价是科学的、有效的，具有一定的推广和实用价值。     

Pipeline leakage detection and isolation: An integrated approach of statistical and wavelet feature extraction with multi-layer perceptron neural network (MLPNN)

Leakage diagnosis of hydrocarbon pipelines can prevent environmental and financial losses. This work proposes a novel method that not only detects the occurrence of a leakage fault, but also suggests its location and severity. The OLGA software is employed to provide the pipeline inlet pressure and outlet flow rates as the training data for the Fault Detection and Isolation (FDI) system. The FDI system is comprised of a Multi-Layer Perceptron Neural Network (MLPNN) classifier with various feature extraction methods including the statistical techniques, wavelet transform, and a fusion of both methods. Once different leakage scenarios are considered and the preprocessing methods are done, the proposed FDI system is applied to a 20-km pipeline in southern Iran (Goldkari-Binak pipeline) and a promising severity and location detectability (a correct classification rate of 92%) and a low False Alarm Rate (FAR) were achieved.     

关联交叉口交通流模糊变权重组合预测方法

针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法。先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重。试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8%、4.63%和0.99。     

基于矢量空间数据的陵水海滨风景名胜规划区生态敏感性评价

以陵水海滨风景名胜规划区为研究区域,通过调查主要生态敏感问题,选取基本农田、生态保护林、自然保护区、河流水库、道路等主要评价指标,建立评价指标体系,并在此基础上,以Are／info为平台,以矢量数据为数据环境,创建了生态敏感性评价模型。结果显示,20．28％和29．37％的规划区处于较敏感区和敏感区,8．85％旅游设施用地和9．54％旅游服务用地处于敏感区。最后提出了在旅游开发过程中,保护生态敏感目标的合理性建议。     

pUCD-recA重组发光菌构建及对遗传毒性污染物响应作用

基因重组发光菌在水质毒性的评价中具有重要的作用,本研究从分析污染物毒性损伤的机制出发,构建新型pUCD-recA基因重组发光菌.用PCR法从大肠杆菌W3110中扩增recA基因,将其与pGEM-T easy载体连接后测序.测序正确的recA片段及pUCD615载体均用BamHⅠ、EcoRⅠ双酶切,连接后电转化导入宿主菌JM109.挑取克隆,提取质粒用PCR鉴定,阳性克隆再进行测序.将构建成功的pUCD-recA载体转化入大肠杆菌RFM443,加入相应的遗传毒性污染物,观察发光响应作用.结果表明,recA基因PCR扩增出的片段为293 bp,测序结果与GenBank中的recA序列进行BLAST比对,同源性为99%,表明扩增序列正确.与pUCD615载体连接后的测序结果表明,recA基因已正确地插入到pUCD615的多克隆位点,方向和读码框正确,重组发光菌载体构建成功.将构建好的重组载体转化入RFM443宿主菌,加入遗传毒性污染物观察响应效果.丝裂霉素C(MMC)对pUCD-recA重组发光菌诱导效果最好,0.01 mg/L即可有很好的响应曲线;N′-甲基-N′-硝基亚硝基胍(MNNG)则在50~100 mg/...     

种族鱼群优化支持向量机序列理论监测尾矿坝

为监测预警尾矿坝的变形位移,提出基于结构风险最小化理论的支持向量机进行学习预测。通过采集有效数据,对时间序列数据进行归一化序列处理,然后采取种族鱼群选择向量机参数,对处理后的数据进行支持向量机回归预测。将该理论应用到某尾矿坝监测系统,得到了较为准确的预测结果,表明该理论充分利用了数据的统计特性,精度和泛化能力都得到了明显提高,可作为尾矿坝监测系统的有效指导。