基于集成相关向量机的水质在线预测模型

针对污水处理过程存在着强非线性和非稳态运行等特征,传统传感器维护成本高昂且无法快速准确地测量生化需氧量(BOD)等水质指标的问题,提出一种基于集成相关向量机的水质在线预测模型;该模型首先采用相关向量机(RVM)为弱预测器,利用改进的AdaBoost.RT算法将多个弱预测器集成为强预测器,实现了污水处理过程中水质的在线预测;仿真实验结果表明,该水质在线预测模型预测精度高,综合性能突出,克服了单一预测器随着异常点增多,模型泛化能力下降和鲁棒性不足的问题,能较好地实现了污水处理过程中的水质在线预测。

基于ELM-AdaBoost.M2的污水处理过程在线故障诊断

污水处理存在着强非线性和非稳态运行等特征,对其运行过程进行在线故障诊断在减少污染和保障生产过程安全方面具有重大意义;针对污水处理过程运行状态的不平衡分布造成故障诊断准确率下降的问题,提出一种基于极限学习机(ELM)和AdaBoost.M2算法的在线故障诊断方法;该模型以ELM为弱分类器,利用AdaBoost.M2将多个弱分类器集成,实现了强分类器;仿真结果表明,该模型在线故障诊断精度高,学习速度快,泛化性能好,相较于传统故障诊断方法,综合性能较为突出,较好地实现了污水处理的在线故障诊断。