基于改进集合经验模态分解和深度信念网络的出水总磷预测

• 作者: 王龙洋 蒙西 乔俊飞
• 来源期刊: 化工学报
• 关键词: 城市污水处理过程 出水总磷 集合经验模态分解 深度信念网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 过程系统工程
• 页码范围: 2745-2753
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11949/0438-1157.20201365

摘要

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题，提出一种基于改进集合经验模态分解（modified ensemble empirical mode decomposition，MEEMD）和深度信念网络（deep belief network，DBN）的出水总磷预测方法。首先，设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解，获取多个本征模态函数（intrinsic mode function，IMF）组合；然后，建立一种基于模拟退火（simulated annealing，SA）算法的深度信念网络预测模型，通过优化的模型结构对分解后得到的每个IMF分量进行有效预测；最后，通过大气CO2浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性。