基于改进粒子群优化LSSVM的污水COD软测量建模

摘要：

针对在污水处理过程中水质参数(如出水化学需氧量(COD),pH值)变化过程的高度时变性、非线性和复杂性等特点,提出一种基于改进粒子群优化最小二乘支持向量机(IPSO-LSSVM)的软测量模型.该模型将小样本机器学习——最小二乘支持向量机(LSSVM)引入工业污水处理过程水质参数预测,网络训练过程中采用粒子群优化算法,使得该算法能够自适应获取最优超参数,形成IPSO-LSSVM算法,对工业污水处理出水COD参数进行回归预测.实验结果表明:与LSSVM和PSO-LSSVM模型相比,IPSO-LSSVM模型预测结果的均方根误差分别降低了40.9％和30.5％;相关系数分别提高了13.0％和6.6％.这表明IPSO-LSSVM模型在预测精度、收敛速度和抗干扰能力等方面明显优于LSSVM和PSO-LSSVM模型.

关键词：污水处理、化学需氧量(COD)、改进粒子群算法、最小二乘支持向量机(LSSVM)、参数优化、出水化学需氧量

所属期刊栏目：40

分类号：TP391;X853(计算技术、计算机技术)

资助基金：天津市自然科学基金青年项目16JCQNJC03800

在线出版日期：2021-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：74-80