【摘要】：伴隨著工業(yè)化和城市化的飛速發(fā)展,水環(huán)境的安全問(wèn)題日益突出。水質(zhì)預(yù)測(cè)是保護(hù)水環(huán)境的基礎(chǔ)性工作之一,精確的預(yù)測(cè)可以為水環(huán)境管理和工業(yè)生產(chǎn)提供可靠的決策支持,對(duì)可持續(xù)發(fā)展具有重要意義。針對(duì)水環(huán)境這一復(fù)雜的有機(jī)系統(tǒng),傳統(tǒng)的傳感器對(duì)重要的水質(zhì)指標(biāo)難以進(jìn)行快速準(zhǔn)確的測(cè)量,本文以污水處理出水和地表水為研究對(duì)象,結(jié)合數(shù)據(jù)驅(qū)動(dòng)的思想建立了基于相關(guān)向量機(jī)的水質(zhì)預(yù)測(cè)模型,并根據(jù)各自的特點(diǎn),提出了不同的解決方案,通過(guò)實(shí)驗(yàn)仿真驗(yàn)證了水質(zhì)預(yù)測(cè)模型的可靠性。本文的主要研究?jī)?nèi)容如下:首先,介紹了數(shù)據(jù)驅(qū)動(dòng)建模思想,并對(duì)機(jī)器學(xué)習(xí)算法在水質(zhì)預(yù)測(cè)上的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了分析,并指出了預(yù)測(cè)建模仍然面臨的問(wèn)題。其次,針對(duì)污水處理過(guò)程中存在的復(fù)雜生化反應(yīng),強(qiáng)非線(xiàn)性和運(yùn)行狀態(tài)的不平衡分布等問(wèn)題,提出了基于一種集成相關(guān)向量機(jī)的水質(zhì)預(yù)測(cè)方法。該方法通過(guò)相關(guān)向量機(jī)每輪的學(xué)習(xí)情況,利用改進(jìn)的AdaBoost.RT算法對(duì)樣本的權(quán)值進(jìn)行重新分配,可使難以學(xué)習(xí)的樣本得到更多的關(guān)注,實(shí)驗(yàn)結(jié)果表明,該模型在預(yù)測(cè)精度和泛化性能上較單一相關(guān)向量機(jī)模型有一定的提升,能夠較好地克服數(shù)據(jù)不平衡帶來(lái)的負(fù)面影響。然后,針對(duì)地表水水質(zhì)因子間多重相關(guān)性的問(wèn)題,提出一種基于核偏最小二乘法特征提取的相關(guān)向量機(jī)水質(zhì)預(yù)測(cè)模型。該方法通過(guò)核函數(shù)將原始數(shù)據(jù)映射至高維空間,隨后進(jìn)行線(xiàn)性的PLS運(yùn)算,巧妙的克服了水質(zhì)因子間的多重相關(guān)性,實(shí)驗(yàn)結(jié)果表明,該模型不僅魯棒性高,且模型更新速度快,可以滿(mǎn)足水質(zhì)在線(xiàn)預(yù)測(cè)對(duì)實(shí)時(shí)性和準(zhǔn)確性的需求。最后,為實(shí)現(xiàn)對(duì)水質(zhì)變化空間的預(yù)測(cè),引入了模糊信息�；乃枷氩⑼ㄟ^(guò)最小截平方和估計(jì)LTS重新定義了相關(guān)向量機(jī)的訓(xùn)練子集,并給出了改進(jìn)相關(guān)向量機(jī)的訓(xùn)練步驟,得到了基于模糊信息�；c改進(jìn)相關(guān)向量機(jī)的水質(zhì)預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的相關(guān)向量機(jī)對(duì)異常數(shù)據(jù)的敏感性大幅提高,并且該模型能較好地實(shí)現(xiàn)對(duì)水質(zhì)變化空間和變化趨勢(shì)的預(yù)測(cè)。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：X703;X52
【圖文】：

才能保證水安全，為水環(huán)境相關(guān)產(chǎn)業(yè)的升級(jí)發(fā)展提供新的動(dòng)力。加強(qiáng)對(duì)于工業(yè)密集區(qū)域的污水集中處理與水質(zhì)的在線(xiàn)監(jiān)控，將帶動(dòng)水環(huán)境檢測(cè)、污染控制和環(huán)保運(yùn)營(yíng)等多方服務(wù)的發(fā)展[3]。由此可見(jiàn)，水質(zhì)的預(yù)測(cè)是保證水環(huán)境安全的重要組成部分之一，良好的數(shù)值預(yù)測(cè)對(duì)于水環(huán)境的保護(hù)具有積極的意義。本文針對(duì)水質(zhì)預(yù)測(cè)問(wèn)題，引入了基于數(shù)據(jù)驅(qū)動(dòng)的建模方法，即通過(guò)水質(zhì)的歷史測(cè)量數(shù)據(jù)，建立了精確的水質(zhì)預(yù)測(cè)模型。針對(duì)污水處理中的強(qiáng)非線(xiàn)性與非穩(wěn)態(tài)等特征和地表水各水質(zhì)因子間多重相關(guān)性等問(wèn)題，提出了不同的處理方法，仿真結(jié)果表明，文中提出的水質(zhì)預(yù)測(cè)模型能夠較好地達(dá)到水質(zhì)的在線(xiàn)預(yù)測(cè)要求，對(duì)于水環(huán)境的保護(hù)以及安全生產(chǎn)等提供了一定的指導(dǎo)意義。1.2 水質(zhì)預(yù)測(cè)建模方法針對(duì)水質(zhì)的預(yù)測(cè)問(wèn)題，目前主要有三種建模方法[4]，一是基于機(jī)理模型(白箱模型)

第一章 緒論周期較長(zhǎng)。則的專(zhuān)家系統(tǒng)是一種智能的計(jì)算機(jī)程序系統(tǒng)，它通過(guò) IF-THEN具有豐富經(jīng)驗(yàn)的專(zhuān)家的知識(shí)用于指導(dǎo)實(shí)際的生產(chǎn)[6]，如圖 1-2。該歸納實(shí)驗(yàn)、生產(chǎn)過(guò)程中操作經(jīng)驗(yàn)和諸多定量、定性分析結(jié)果的過(guò)進(jìn)行推理、判斷并模擬人類(lèi)專(zhuān)家做出決策。其優(yōu)點(diǎn)在于模型的形且易于在線(xiàn)實(shí)現(xiàn)。但是其缺點(diǎn)是預(yù)測(cè)精度較低，不易提取知識(shí)規(guī)程和物理化學(xué)變化過(guò)程難以用簡(jiǎn)單的 IF-THEN 規(guī)則進(jìn)行適當(dāng)?shù)膭t較多時(shí)，搜索較

被稱(chēng)為稀疏核機(jī)(sparse Kernel machine)。稀疏核機(jī)最終模型由數(shù)據(jù)要”的樣本確定，去除其他的數(shù)據(jù)樣本不會(huì)對(duì)模型的綜合性能產(chǎn)生任何影響本的預(yù)測(cè)時(shí)僅僅依賴(lài)于“重要”的樣本去計(jì)算核函數(shù)，極大的提升了模型的效為了驗(yàn)證 RVR 的稀疏性和回歸預(yù)測(cè)能力，本節(jié)采用 SVM 與之對(duì)比，分別選取與正弦函數(shù)作為測(cè)試對(duì)象，并且為測(cè)試函數(shù)加入高斯噪聲。首先 x sin x /x與 sin x 在[-10,10]內(nèi)等間距各采樣 100 個(gè)樣本點(diǎn)，并分別附加斯噪聲作為數(shù)據(jù)集。分別建立 SVM 和 RVR 模型，所建模型均采用高斯核函數(shù)為 300，其中 SVM 的懲罰參數(shù)c和核參數(shù)1g ，RVR 的核參數(shù)2g 均使用遺確定。為更好地對(duì)比 SVM 和 RVR 的綜合性能，采用均方誤差，最大誤差和相關(guān)向量的個(gè)數(shù)作為評(píng)價(jià)標(biāo)準(zhǔn)。SVM 和 RVR 模型的回歸擬合效果，分別圖 示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙超;戴坤成;王貴評(píng);張登峰;;基于AWLS-SVM的污水處理過(guò)程軟測(cè)量建模[J];儀器儀表學(xué)報(bào);2015年08期

2 張森;石為人;石欣;郭寶麗;;基于偏最小二乘回歸和SVM的水質(zhì)預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2015年15期

3 許玉格;劉莉;曹濤;;基于Fast-RVM的在線(xiàn)軟測(cè)量預(yù)測(cè)模型[J];化工學(xué)報(bào);2015年11期

4 葉青;張麗麗;;復(fù)雜數(shù)據(jù)的異常檢測(cè)算法[J];信息技術(shù);2015年05期

5 魏瑾瑞;;對(duì)支持向量機(jī)混合核函數(shù)方法的再評(píng)估[J];統(tǒng)計(jì)研究;2015年02期

6 朱軍;胡文波;;貝葉斯機(jī)器學(xué)習(xí)前沿進(jìn)展綜述[J];計(jì)算機(jī)研究與發(fā)展;2015年01期

7 許玉格;曹濤;羅飛;;基于相關(guān)向量機(jī)的污水處理出水水質(zhì)預(yù)測(cè)模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年05期

8 曾甜玲;溫志渝;溫中泉;;相關(guān)向量機(jī)在污水硝氮檢測(cè)中的應(yīng)用[J];光譜學(xué)與光譜分析;2013年04期

9 閆文靜;鄒書(shū)蓉;張洪偉;;改進(jìn)的粒子群優(yōu)化算法[J];成都信息工程學(xué)院學(xué)報(bào);2012年06期

10 劉載文;李瑞妮;王小藝;王磊;;基于PLS的污水BOD軟測(cè)量補(bǔ)償方法[J];北京工業(yè)大學(xué)學(xué)報(bào);2012年12期

相關(guān)博士學(xué)位論文 前2條

1 張兵兵;中國(guó)用水結(jié)構(gòu)優(yōu)化研究[D];浙江大學(xué);2017年

2 池清華;PLS隱變量空間模型預(yù)測(cè)控制算法研究[D];浙江大學(xué);2015年

相關(guān)碩士學(xué)位論文 前1條

1 曹濤;基于相關(guān)向量機(jī)的污水軟測(cè)量建模研究[D];華南理工大學(xué);2015年

本文編號(hào)：2759725