基于集成模型的污水处理厂出水总氮预测方法

摘要：

污水处理厂是控制水体污染、改善水环境质量的重要基础设施,建立可靠的污水处理厂出水水质预测模型以便及时反馈污水处理状况是污水处理领域的研究热点之一.利用Stacking集成思想结合LSTM、BPNN、SVR、XGBoost、KNN 5种算法建立了污水处理厂出水总氮的预测模型.分析单一算法预测效果发现,KNN算法与其他算法相比拟合程度偏低,RMSE、MAE和R2 分别为1.10、0.995和0.567,可作为Stacking模型的元学习器.通过算法间预测性能差异的比较,选择LSTM、BPNN、SVR、XGBoost算法作为基学习器.与其他基、元学习器的组合相比,以LSTM、BPNN、SVR、XGBoost为基学习器,KNN为元学习器的组合方式预测准确度最高,RMSE、MAE和R2 分别为1.01、0.782和0.702.与使用单一算法中预测结果最好的LSTM算法的预测结果相比,该组合的RMSE、MAE分别降低了4.77%和15.1%,R2 提升了10.9%,具有明显的预测优势.

关键词：污水处理厂、水质预测、Stacking集成算法

所属期刊栏目：43

分类号：X703(一般性问题)

资助基金：国家重点研发计划2020YFD1100303

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：187-194