發(fā)布時(shí)間：2022-07-29 16:16

　　造紙行業(yè)的廢水排放在工業(yè)廢水排放總量中占較高的比重,對(duì)水污染控制有著重要影響。其中,化學(xué)需氧量濃度、生化需氧量濃度、微生物濃度、毒性物質(zhì)濃度等水質(zhì)參數(shù)是反映實(shí)時(shí)凈化效果、實(shí)現(xiàn)廢水處理過程在線控制與優(yōu)化管理的關(guān)鍵指標(biāo)。由于廢水處理過程具有強(qiáng)滯后、非平穩(wěn)、強(qiáng)干擾、工作環(huán)境惡劣、反應(yīng)機(jī)理復(fù)雜等特性,采用傳統(tǒng)的測(cè)量方法很難對(duì)水質(zhì)參數(shù)進(jìn)行快速、準(zhǔn)確地測(cè)量,于是采用數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)模型代替或輔助儀表實(shí)現(xiàn)在線測(cè)量是一種更好的選擇。本文針對(duì)造紙廢水處理過程中數(shù)據(jù)的高維性、非線性、隨機(jī)性和動(dòng)態(tài)性等復(fù)雜特性,基于改進(jìn)的偏最小二乘（PLS）模型,開展以下研究:1.考慮到并非所有采集到的數(shù)據(jù)值均為正常值,在構(gòu)建預(yù)測(cè)模型前,采取動(dòng)態(tài)并行核偏最小二乘（DCKPLS）模型完成廢水處理過程的故障檢測(cè),以確保建模數(shù)據(jù)的可靠性。首先,該模型通過將矩陣擴(kuò)充方法與核方法結(jié)合,增強(qiáng)了PLS模型潛變量對(duì)于廢水?dāng)?shù)據(jù)動(dòng)態(tài)性和非線性的解釋能力;其次,通過PLS的模型分解實(shí)現(xiàn)并行偏最小二乘模型,進(jìn)而將輸入、輸出變量進(jìn)行較為全面地子空間劃分與故障檢測(cè),有效克服了傳統(tǒng)PLS模型存在的特征提取缺陷�；谀M傳感器故障數(shù)據(jù)得出,DCKPLS模型具備... 

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
縮寫術(shù)語表
第一章 前言
    1.1 研究背景及意義
    1.2 造紙廢水處理過程數(shù)據(jù)特性
        1.2.1 非線性與隨機(jī)性
        1.2.2 高維性
        1.2.3 動(dòng)態(tài)性
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 機(jī)理模型
        1.3.2 人工智能模型
        1.3.3 多元統(tǒng)計(jì)回歸模型
    1.4 本文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)
        1.4.1 本文研究?jī)?nèi)容
        1.4.2 本文的創(chuàng)新點(diǎn)及各章節(jié)介紹
    1.5 本章小結(jié)
第二章 基于DCKPLS的廢水處理過程故障檢測(cè)
    2.1 引言
    2.2 方法原理
        2.2.1 傳統(tǒng)PLS故障檢測(cè)模型
        2.2.2 CPLS故障檢測(cè)模型
        2.2.3 CKPLS故障檢測(cè)模型
        2.2.4 DCKPLS故障檢測(cè)模型
    2.3 實(shí)驗(yàn)驗(yàn)證
        2.3.1 實(shí)際廢水處理過程數(shù)據(jù)集
        2.3.2 模擬故障構(gòu)建
        2.3.3 PLS故障檢測(cè)
        2.3.4 CPLS故障檢測(cè)
        2.3.5 DCPLS故障檢測(cè)
        2.3.6 CKPLS故障檢測(cè)
        2.3.7 DCKPLS故障檢測(cè)
    2.4 本章小結(jié)
第三章 基于內(nèi)部結(jié)構(gòu)優(yōu)化的動(dòng)態(tài)非線性PLS預(yù)測(cè)模型
    3.1 引言
    3.2 方法原理
        3.2.1 基于內(nèi)部結(jié)構(gòu)優(yōu)化的非線性PLS模型
        3.2.2 GPR預(yù)測(cè)模型
        3.2.3 RVM預(yù)測(cè)模型
        3.2.4 模型動(dòng)態(tài)優(yōu)化
        3.2.5 預(yù)測(cè)模型實(shí)現(xiàn)步驟
    3.3 基于BSM1的出水指標(biāo)預(yù)測(cè)
        3.3.1 BSM1數(shù)據(jù)集
        3.3.2 基于多種PLS模型的BSM1 出水指標(biāo)預(yù)測(cè)
        3.3.3 基于FIR優(yōu)化模型的出水指標(biāo)預(yù)測(cè)
        3.3.4 基于ARX優(yōu)化模型的出水指標(biāo)預(yù)測(cè)
        3.3.5 分析和討論
    3.4 基于實(shí)際廢水處理廠的出水COD預(yù)測(cè)
        3.4.1 基于多種PLS模型的實(shí)際廢水處理過程出水COD預(yù)測(cè)
        3.4.2 基于FIR優(yōu)化模型的出水COD預(yù)測(cè)
        3.4.3 基于ARX優(yōu)化模型的出水COD預(yù)測(cè)
        3.4.4 分析和討論
    3.5 基于歷史數(shù)據(jù)相關(guān)特征分析的矩陣擴(kuò)充方式自適應(yīng)選擇
    3.6 本章小結(jié)
第四章 主要成果
    4.1 本文內(nèi)容總結(jié)
    4.2 進(jìn)一步研究和展望
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
參考文獻(xiàn)



本文編號(hào)：3666776