废水处理过程的KPLS-GPR软测量建模

• 作者: 刘鸿斌 杨冲
• 来源期刊: 江苏大学学报（自然科学版）
• 关键词: 废水处理过程 潜变量模型 核函数偏最小二乘 高斯过程回归 软测量
• 年，卷（期）: 2020,（5）
• 页码范围: 580-587
• 页数: 8页
• 分类号: X703
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2020.05.014

摘要

采取基于核函数偏最小二乘法的高斯过程回归模型(KPLS-GPR),对复杂的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)质量浓度进行预测.首先,采用KPLS的潜变量作为预测模型的输入变量,以降低数据维度,优化数据结构;其次,建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验,引入人工神经网络(ANN)、基于偏最小二乘潜变量的预测模型(PLS-ANN)及基于核函数偏最小二乘潜变量的预测模型(KPLS-ANN)作为对比.试验结果表明:KPLS潜变量对预测模型有明显的优化效果,在这些模型中KPLS-GPR预测精度最高;对于出水COD和SS质量浓度的预测,KPLS-GPR的决定系数分别为0.575和0.610,相比于常规预测模型,决定系数可分别提升36.90％和43.87％.