基于PCA降维模型的造纸废水处理过程软测量建模

• 作者: 刘鸿斌 李祥宇 杨冲
• 来源期刊: 中国造纸学报
• 学科: 地球科学
• 关键词: 造纸废水处理 主成分分析 支持向量回归 人工神经网络 偏最小二乘 软测量
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 50-57
• 页数: 8页
• 分类号: X793
• 字数: 4441字
• 语种: 中文
• DOI: 10.11981/j.issn.1000-6842.2018.04.50

摘要

针对造纸废水处理过程的复杂特性,本课题将主成分分析(PCA)与人工神经网络(ANN)和支持向量回归(SVR)相结合,构建出两种新的软测量模型:主成分分析-人工神经网络(PCA-ANN)和主成分分析-支持向量回归(PCA-SVR).本课题将这两种软测量模型应用于造纸废水处理过程中出水化学需氧量(COD)和出水悬浮固形物(SS)浓度的预测.计算结果表明,PCA-ANN和PCA-SVR的预测效果均优于偏最小二乘、 支持向量回归和人工神经网络3种常规软测量模型,并且PCA-ANN的预测效果最优.对于出水COD浓度预测,PCA-ANN的决定系数(R2)为0.984,均方误差(MSE)为1.892,较ANN分别优化了9.7％和71.5％.对于出水SS浓度预测,PCA-ANN的R2为0.762,MSE为0.228,较ANN分别优化了31.2％和58.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鸿斌	南京林业大学江苏省制浆造纸科学与技术重点实验室	14	36	4.0	5.0
10	李祥宇	南京林业大学江苏省制浆造纸科学与技术重点实验室	3	12	2.0	3.0
11	杨冲	南京林业大学江苏省制浆造纸科学与技术重点实验室	6	22	3.0	4.0