污水处理出水BOD区间预测建模

生化需氧量(BOD)是评价水质的重要指标,也是污水处理过程中直接控制的参数.为了提高污水处理质量,需要寻找BOD的有效测量方法.本文给出一种新的BOD软测量方法,可以实现其保证估计.采用主元分析方法选取BOD预测的主要辅助变量.利用径向基函数神经网络的逼近能力,将其用于污水处理出水BOD软测量建模.径向基函数神经网络的中心被确定之后,考虑到建模误差有界,使用参数线性集员辨识算法得到网络输出权值的集合描述.在污水处理系统运行过程中,所建立好的软测量模型可以预测出水BOD的上下界.此外,建立多个软测量模型,并将多模型测量结果进行融合以降低单一模型所给结果的保守性.实验结果表明本文方法的有效性.

基于等距映射的非线性系统集员参数估计

给出一种新的非线性系统集员参数估计方法。该方法从流形学习的角度出发,视可行集边界与n维空间中的单位球面(n-1-sphere)为同胚,构造二者之间的同胚映射的近似。该映射可以将n-1-sphere映射为可行集近似边界。构造映射首先将等距映射与数据归一化结合,把在可行集边界上均匀采样得到的数据集映射为包含于n-1-sphere的数据集;然后,基于非参数方法得到可行集边界与n-1-sphere的同胚映射的近似。仿真结果表明,该方法比支持向量机方法具有更高的可行集边界逼近精度。