基于改进支持向量回归机的污水处理厂出水总氮预测模型

• 作者: 刘杰 李佟 李军
• 来源期刊: 环境工程学报
• 学科: 地球科学
• 关键词: 污水处理 数据驱动模型 支持向量回归机 粒子群优化算法
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 水污染防治
• 页码范围: 119-126
• 页数: 8页
• 分类号: X703
• 语种: 中文
• DOI: 10.12030/j.cjee.201706050

摘要

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SvR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上.预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836％,决定系数为67.76％,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型.因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	北京工业大学建筑工程学院	168	2447	26.0	41.0
2	李佟	北京工业大学建筑工程学院	15	72	5.0	8.0
6	刘杰	太原理工大学环境科学与工程学院	11	17	2.0	3.0