基于改进粒子群优化LSSVM的污水COD软测量建模

作者：黄琦兰^*; 范金祥

来源：天津工业大学学报, 2021, 40(01): 74-80.

• 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

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。

• 单位
  自动化学院; 天津工业大学