基于BAS优化SVM的出水COD软测量建模

污水处理系统在实际运行过程中往往会出现进水水质复杂,波动大等情况,而常规实验室监测法固然准确率高,但是效率低,时效性差,这使得系统在线控制滞后,出水水质标准难以保证。为了解决以上污水处理过程中的不确定性,滞后,非线性,出水指标难以在线检测等问题,提出一种利用天牛须搜索算法(beetle antennae search,BAS)优化的支持向量机(SVM)软测量模型。通过利用SVM对污水处理过程建立被控对象的软测量模型的同时,为了提高软测量模型的预测精度,采用BAS对SVM的惩罚因子和核函数参数进行滚动优化。输入数据为污水调节池进水COD、进水NH3-N、溶解氧(DO),输出数据为出水COD。通过BAS优化的SVM建立出水COD的软测量模型,可以实现污水处理过程中COD的软测量。仿真实验结果表明,BAS-SVM软测量模型具有良好的预测性能,能够满足污水处理过程出水COD指标的实际测量要求。