基于元学习的污水水质集成软测量模型

被引：6

作者：

丛秋梅 ^{[1
,2
,3
]}

苑明哲 ^{[2
,3
]}

王宏 ^{[2
,3
,4
]}

庞强 ^{[2
,3
]}

王景杨 ^{[2
,3
]}

机构：

[1] 辽宁石油化工大学信息与控制工程学院

[2] 中国科学院沈阳自动化研究所信息服务与智能控制技术研究室

[3] 中国科学院网络化控制系统重点实验室

[4] 沈阳中科博微自动化技术有限公司

来源：

信息与控制 | 2014年 / 43卷 / 02期

基金：

中国博士后科学基金;

关键词：

污水处理; 软测量; 自适应加权融合; 元学习;

D O I：

暂无

中图分类号：

X832 [水质监测];

学科分类号：

摘要：

针对污水处理过程在运行工况频繁波动的情况下,单一水质软测量模型精度下降的问题,提出了污水水质集成软测量建模方法.模型由3层结构组成:基于模糊聚类-极限学习机(ELM,extreme learning machine)的预测子模型位于最底层,第2层采用自适应加权融合方法将子模型预测值进行集成,最上层采用基于信息熵的元学习机制管理融合权值.ELM的快速学习特点使模型具有较好的实时性能,自适应加权融合方法和元学习机制提高了模型泛化性,元学习机制跟踪污水处理过程运行状况的动态变化趋势.仿真结果表明,在多工况条件下,污水水质COD(chemical oxygen demand,化学需氧量)集成软测量模型具有较好的精度.

引用

页码：248 / 252

页数：5

共 15 条

[1] 基于递归高阶神经网络的污水处理系统建模 [J].

杨维维 ;

乔俊飞 .

信息与控制, 2011, 40 (05) :710-714+720

[2] 基于多模型模糊核聚类方法的污水处理过程软测量建模 [J].

索幸仪 ;

侍洪波 .

华东理工大学学报(自然科学版), 2010, 36 (05) :732-736

[3] 一类污水处理过程水质多模型在线软测量方法 [J].

丛秋梅 ;

赵立杰 ;

柴天佑 .

东北大学学报(自然科学版), 2010, 31 (09) :1221-1225

[4] 铅锌烧结配料过程的智能集成建模与综合优化方法 [J].

王春生 ;

吴敏 ;

曹卫华 ;

何勇 .

自动化学报, 2009, 35 (05) :605-612

[5]

反硝化聚磷菌特性与反硝化除磷工艺研究[D]. 鲍林林.哈尔滨工业大学. 2008

[6]

环境工程仿真与控制[M]. 高等教育出版社 , 姚重华编著, 2005

[7]

Soft sensor for parameters of mill load based on multi-spectral segments PLS sub-models and on-line adaptive weighted fusion algorithm [J] . Jian Tang,Tianyou Chai,Lijie Zhao,Wen Yu,Heng Yue.&nbsp&nbspNeurocomputing . 2011 (1)

[8]

Assessing the impact of land use change on hydrology by ensemble modeling (LUCHEM). I: Model intercomparison with current land use [J] . &nbsp&nbspAdvances in Water Resources . 2008 (2)

[9]

On-line estimation of key process variables based on kernel partial least squares in an industrial cokes wastewater treatment plant [J] . Seung Han Woo,Che Ok Jeon,Yeoung-Sang Yun,Hyeoksun Choi,Chang-Soo Lee,Dae Sung Lee.&nbsp&nbspJournal of Hazardous Materials . 2008 (1)

[10]

Extreme learning machine: Theory and applications [J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.&nbsp&nbspNeurocomputing . 2006 (1)

← 1 2 →