造纸法烟草薄片废水化学需氧量的快速预测
造纸法烟草薄片废水的COD高且波动大,采用传统国标检测方法(重铬酸钾比色法)操作复杂、耗时长,难以实现快速检测以指导污水处理工况的及时调整.针对此问题,提出了一种基于机器学习的COD快速预测方法.在对烟草薄片废水水质指标分析基础上,采用数理统计结合人工智能的方法对废水COD与悬浮物、pH、溶解氧和电导率等水质参数之间的关系进行分析,并建立COD预测模型.结果表明,线性回归、多项式拟合、正则化回归、回归树等模型的R2为0.656~0.777,基于机器学习的极端随机森林模型的R2最高,为0.861.同时显著性检验结果表明极端随机森林模型具有最小的失拟偏差和最精确的拟合效果,利用该模型对实际废水进行验证和预测,相对偏差在±12%以内,可实现对烟草薄片废水COD的快速预测.
烟草薄片废水、化学需氧量、回归分析、机器学习、快速预测
43
X703.1(一般性问题)
国家自然科学基金;国家重点研发计划
2023-07-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
194-201