多核SVR在污水處理出水指標(biāo)建模中的應(yīng)用研究

【摘要】：污水處理廠為保護(hù)水資源和防治水污染做出了重大貢獻(xiàn),但由于污水處理系統(tǒng)是一個(gè)高度非線性、強(qiáng)耦合、多變量和大滯后的復(fù)雜系統(tǒng),其機(jī)理研究還不夠成熟,關(guān)鍵指標(biāo)參數(shù)不能實(shí)現(xiàn)實(shí)時(shí)測(cè)量,且污水處理的效果依賴于污水出水水質(zhì)的好壞。因此建立一個(gè)高效、合理的污水出水指標(biāo)模型,將預(yù)測(cè)結(jié)果作為指導(dǎo)污水廠運(yùn)行的依據(jù),動(dòng)態(tài)調(diào)整污水處理過程中各工序運(yùn)行狀態(tài),具有一定的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。本文以活性污泥法污水的出水水質(zhì)為研究對(duì)象,對(duì)于污水處理過程水質(zhì)參數(shù)數(shù)據(jù)分布較復(fù)雜,采用單一核函數(shù)支持向量回歸機(jī)模型建模精度不理想的問題,在前人研究成果的基礎(chǔ)上,把多核和智能算法相結(jié)合,建立了出水水質(zhì)參數(shù)的多核支持向量回歸機(jī)(MK-SVR)模型,研究內(nèi)容有以下幾方面:首先了解污水處理工藝流程及方法,對(duì)影響污水處理過程的水質(zhì)參數(shù)及相關(guān)排放標(biāo)準(zhǔn)進(jìn)行了分析,利用主成分分析(PCA)法對(duì)污水處理過程的影響因素進(jìn)行降維處理,提取新主元作為支持向量回歸機(jī)的輸入,建立了出水COD、BOD、SS和TN的MK-SVR模型。其次,由于模型自身參數(shù)問題的影響,在分析智能算法中粒子群算法(PSO)具有編程方便結(jié)構(gòu)簡單易于實(shí)現(xiàn)、搜索速度快、收斂能力強(qiáng)等特點(diǎn),提出了利用PSO算法對(duì)MK-SVR模型進(jìn)行參數(shù)尋優(yōu),并針對(duì)基本PSO算法的不足對(duì)其進(jìn)行了改進(jìn)。最后為所提出的模型更具說服力,對(duì)幾種不同模型——SVR單核模型、SVR多核模型、基于PCA分析的SVR多核模型與單核模型、基于PCA分析的PSO+MK-SVR模型及基于PCA分析的改進(jìn)PSO+MK-SVR模型的預(yù)測(cè)效果進(jìn)行了對(duì)比,從平均相對(duì)誤差、均方誤差及相關(guān)系數(shù)等幾個(gè)性能指標(biāo)進(jìn)行了分析,結(jié)果表明,基于PCA分析的改進(jìn)PSO+MK-SVR模型預(yù)估效果最好,泛化性能最強(qiáng),為污水廠的實(shí)時(shí)高效運(yùn)行提供強(qiáng)勁的理論支撐。 【關(guān)鍵詞】：污水處理 支持向量回歸機(jī) 多核 主成分分析 改進(jìn)粒子群算法
【學(xué)位授予單位】：湖南工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：X703;TP181
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-16
• 1.1 論文背景及研究意義9-11
• 1.2 污水處理軟測(cè)量建模國內(nèi)外研究現(xiàn)狀11-13
• 1.3 主要研究內(nèi)容和組織結(jié)構(gòu)13-15
• 1.4 本章小結(jié)15-16
• 第二章 基礎(chǔ)理論16-34
• 2.1 支持向量機(jī)理論16-25
• 2.1.1 機(jī)器學(xué)習(xí)16-17
• 2.1.2 統(tǒng)計(jì)學(xué)習(xí)理論17-20
• 2.1.3 支持向量回歸機(jī)20-25
• 2.1.4 支持向量回歸機(jī)模型求解流程25
• 2.2 活性污泥法污水處理25-33
• 2.2.1 污水處理的基本方法25-26
• 2.2.2 基本水質(zhì)指標(biāo)及排放指標(biāo)26-28
• 2.2.3 SBR法工藝介紹28-29
• 2.2.4 SBR生化處理過程29-30
• 2.2.5 SBR法處理過程影響因素30-31
• 2.2.6 數(shù)據(jù)分析與處理31-33
• 2.3 本章小結(jié)33-34
• 第三章 基于MK-SVR模型的出水指標(biāo)建模34-53
• 3.1 多核學(xué)習(xí)概況34
• 3.2 多核函數(shù)構(gòu)造原理34-35
• 3.3 MK-SVR模型35-37
• 3.4 MK-SVR模型特性研究37-39
• 3.5 MK-SVR模型測(cè)試39-42
• 3.6 MK-SVR在出水指標(biāo)建模中的應(yīng)用42-52
• 3.6.1 MK-SVR建模流程42-43
• 3.6.2 基于PCA分析的MK-SVR出水水質(zhì)預(yù)測(cè)建模43-52
• 3.7 本章小結(jié)52-53
• 第四章 基于動(dòng)量粒子群算法的MK-SVR出水指標(biāo)建模53-67
• 4.1 模型參數(shù)選擇分析53-54
• 4.2 基本PSO算法54-56
• 4.2.1 基本PSO算法流程55
• 4.2.2 基本PSO的不足55-56
• 4.3 動(dòng)量粒子群算法56-59
• 4.3.1 MPSO與基本PSO的比較56-59
• 4.4 基于MPSO算法的MK-SVR模型參數(shù)選擇59-61
• 4.4.1 算法流程60-61
• 4.5 MPSO算法的MK-SVR出水指標(biāo)仿真61-66
• 4.6 本章小結(jié)66-67
• 第五章 總結(jié)與展望67-69
• 5.1 全文總結(jié)67-68
• 5.2 展望68-69
• 參考文獻(xiàn)69-73
• 攻讀學(xué)位期間主要研究成果73-74
• 致謝74

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

SBR法處理廢水的影響因素    魏瑞霞,孫劍輝,陳金龍

基于神經(jīng)網(wǎng)絡(luò)的污水處理指標(biāo)軟測(cè)量研究    管秋;王萬良;徐新黎;陳勝勇;

多核學(xué)習(xí)方法    汪洪橋;孫富春;蔡艷寧;陳寧;丁林閣;

加權(quán)支持向量回歸在線學(xué)習(xí)方法    黃細(xì)霞;石繁槐;顧偉;陳善本;

基于PCA和支持向量機(jī)的徑流預(yù)測(cè)應(yīng)用研究    徐緯芳;劉成忠;顧延濤;

代價(jià)約束多核最小二乘支持向量機(jī)及其應(yīng)用    陽春華;任會(huì)峰;桂衛(wèi)華;鄢鋒;

多核小波支持向量機(jī)在Carrousel氧化溝系統(tǒng)的應(yīng)用    何淵淘;劉超慧;

我國水污染現(xiàn)狀及處理措施研究    董金華;

支持向量回歸的模型選擇及應(yīng)用研究    劉靖旭

混合核支持向量機(jī)參數(shù)優(yōu)化及其應(yīng)用研究    王佳

污泥中的重金屬特性分析和生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)    任福民;周玉松;牛牧晨;許兆義;

基于SVM的導(dǎo)彈自由飛行階段可靠性評(píng)估    薛繼明;左磊;黃巖;李春;

DAT-IAT工藝處理生活污水的研究    梁偉;李志東;李娜;張洪林;蔣林時(shí);邱峰;

支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)聯(lián)合軟測(cè)量SBR污水處理中COD的方法    張杰;張建秋;馮輝;雷中方;胡波;

上海城市污水處理廠污泥資源化利用及其市場(chǎng)需求淺析    陳華;朱石清;張善發(fā);張辰;

SBR法處理模擬印染廢水的實(shí)驗(yàn)研究    王愛麗;

福州市洋里污水處理廠氧化溝工藝運(yùn)行情況及改進(jìn)分析    翁齊文;

基于GA優(yōu)選參數(shù)的SVR水質(zhì)參數(shù)遙感反演方法    何同弟;李見為;黃鴻;

污泥與垃圾堆肥在高速公路邊坡綠化中的應(yīng)用研究    段海澎;黃健敏;程溫瑩;

一體化氧化溝工藝在中原油田污水處理廠的應(yīng)用    張國輝;宋小云;喬齊;趙榮峰;

基于過程神經(jīng)網(wǎng)絡(luò)的污水處理軟測(cè)量模型及算法研究    蘇震;連曉峰;劉載文;王小藝;

重慶市某小城鎮(zhèn)地表水污染控制及可持續(xù)發(fā)展規(guī)劃研究    唐燕秋;熊強(qiáng);張可;

A_mO_n一體化污水生物處理小試研究    王華麗;劉長青;張亞雷;楊海真;

一類復(fù)雜變拓?fù)湮㈦娋W(wǎng)系統(tǒng)故障診斷方法綜述及研究    李滿;錢平;

基于ACPSO的最小二乘支持向量機(jī)分類方法研究    閆守柱;羅佳;吉雯龍;張傳海;胡曉明;

城鎮(zhèn)污泥處理處置過程中污泥熱能綜合利用的應(yīng)用案例    易慶國;伍淳明;尹賢軍;

基于灰色聚類分析法的城市內(nèi)湖水環(huán)境功能指標(biāo)評(píng)價(jià)研究    郭紅兵;陳榮;王曉昌;

滁州市明湖區(qū)域概念性規(guī)劃水專題研究介紹    王永;趙萍;胡慶剛;張樂益;孟嬌蓉;褚書頂;

說話人識(shí)別中信息融合算法的研究    劉鏑

基于MAS的數(shù)據(jù)挖掘模型自動(dòng)選擇方法研究    高雅田

老采空區(qū)殘余沉降非線性預(yù)測(cè)理論及應(yīng)用研究    王正帥

基于泄漏量監(jiān)測(cè)的減壓閥泄漏預(yù)測(cè)模型研究    孫偉

香格里拉縣森林生物量遙感估測(cè)研究    岳彩榮

基于統(tǒng)計(jì)學(xué)習(xí)的協(xié)作分類與隱私保護(hù)方法及應(yīng)用研究    張戰(zhàn)成

在線核學(xué)習(xí)建模算法及應(yīng)用研究    陳坤

排除厭氧富磷污水ERP-SBR除磷脫氮工藝研究    吉方英

DASB、W-SFCW特性及聯(lián)合工藝處理生活污水的研究    何成達(dá)

兩級(jí)SBR除磷脫氮工藝技術(shù)及其運(yùn)行控制參數(shù)研究    龍北生

基于數(shù)據(jù)驅(qū)動(dòng)的多模型軟測(cè)量研究    梅振益

煮繭和汰頭廢水絲膠回收及后續(xù)廢水生化處理研究    謝微

污水處理過程實(shí)時(shí)控制及軟測(cè)量方法研究    李萬東

支持向量機(jī)中核函數(shù)和參數(shù)選擇研究及其應(yīng)用    朱春雷

基于鄰域正交交叉算子的混合蛙跳算法研究與應(yīng)用    孟慶瑩

全方位舌像特征提取及多核學(xué)習(xí)分類    朱顥

催化濕式氧化組合生化法處理VB_6制藥廢水的研究    王小聰

基于多核學(xué)習(xí)的高性能核分類方法研究    介文博

基于油氣分析的油浸式變壓器時(shí)變停運(yùn)模型及故障診斷研究    尹玉娟

面向虛擬展示的室內(nèi)三維場(chǎng)景快速構(gòu)建與優(yōu)化技術(shù)研究    鄭貴榮

主成分分析法在水質(zhì)評(píng)價(jià)中的應(yīng)用及分析    方紅衛(wèi);孫世群;朱雨龍;肖中新;施帆君;

基于協(xié)同聚類的多核學(xué)習(xí)    牟少敏;田盛豐;尹傳環(huán);

一種基于球狀分布的SVM核選擇方法    郭金玲;王文劍;

基于交叉驗(yàn)證SVM的網(wǎng)絡(luò)入侵檢測(cè)    王凱;侯著榮;王聰麗;

基于遺傳算法的非監(jiān)督層次分類方法研究    梅蓉;姜長生;陳謀;

一種基于圖像特征提取的浮選回收率預(yù)測(cè)算法    周開軍;陽春華;牟學(xué)民;桂衛(wèi)華;

SBR法的五大優(yōu)點(diǎn)    彭永臻

SBR法處理洗滌廢水試驗(yàn)研究    孫勇,周群英,周新宇

主成分分析方法及其在各儀器分析中的應(yīng)用    張小確;高枝榮;夏云貴;

自適應(yīng)GA-SVM參數(shù)選擇算法研究    劉勝;李妍妍;

SVM中多項(xiàng)式核函數(shù)的修改及Exon-Intron特征序列的研究    李華

支撐向量回歸機(jī)（SVRM）的微分幾何方法    周東樹

Carrousel氧化溝系統(tǒng)水質(zhì)特征動(dòng)態(tài)分析的人工神經(jīng)網(wǎng)絡(luò)模型研究    陳安

遺傳算法與BP模型的改進(jìn)及其在水資源工程中的應(yīng)用    邢貞相

遺傳算法在函數(shù)優(yōu)化中的應(yīng)用研究    金芬

瀝青生產(chǎn)過程中軟化點(diǎn)的SVR預(yù)測(cè)    蔡從中;王桂蓮;裴軍芳;朱星鍵;

基于SVR和k-近鄰群的組合預(yù)測(cè)在QSAR中的應(yīng)用    袁哲明;熊潔儀;張永生;

    

基于SVR的元建模及其在穩(wěn)健參數(shù)設(shè)計(jì)中的應(yīng)用    周曉劍

多核SVR在污水處理出水指標(biāo)建模中的應(yīng)用研究    劉幫

SVR季節(jié)性時(shí)間序列預(yù)測(cè)模型的構(gòu)建與應(yīng)用    錢吉夫

基于SVR的話務(wù)量預(yù)測(cè)模型研究    譚艷峰

基于SVR的混凝土/水泥的配合比對(duì)其抗壓強(qiáng)度影響規(guī)律的研究    譚慶雙

拉斯噪聲和均勻噪聲下SVR的魯棒性研究    周曉劍