[发明专利]基于SFLA‑SVM的数字化水岛在线加药控制方法

权利要求书

1.一种基于SFLA-SVM的数字化水岛在线加药控制方法，其特征在于，包括：

步骤1，获取在出水指标符合要求时的来水监测指标的数字信号和历史加药量，确定数字化水岛的SFLA-SVM加药模型的目标函数和决策变量；

步骤2，基于支持向量机建立加药量、来水监测指标的在线控制SVM模型并进行降噪处理，其中，K(x_i,y_i)为核函数，b为常数，α_i为拉格朗日乘子，i＝1,2,…n；

步骤3，对所述在线控制SVM模型采用混沌混合蛙跳算法，以及交叉验证CV意义下的准确率作为SFLA中的适应度函数，用SFLA对所述SVM模型中的松弛变量ξ和惩罚因子C进行全局寻优，得到各参数的最优解；

步骤4，将步骤3计算得到的最优解的各参数的训练集带入步骤2中的SVM模型进行学习训练，并进行加药量的拟合，建立数字化水岛的SFLA-SVM加药模型；

步骤5，将步骤1监测得到的来水的监测指标输入步骤4中的SFLA-SVM加药模型，确定当前时刻的最优加药量。

2.根据权利要求1所述的数字化水岛在线加药控制方法，其特征在于，步骤1具体包括：

步骤11，将来水监测指标的数字信号的时间序列x_i作为模型输入向量，其中，i＝1,2,…n；

步骤12，将历史加药量的时间序列y_i作为模型的输出向量，其中，i＝1,2,…n。

3.根据权利要求1所述的数字化水岛在线加药控制方法，其特征在于，步骤2具体包括：

步骤21，将时间序列集(x_i,y_i)采用非线性映射执行向高维空间的映射，并构造在线控制SVM模型的函数其中，i＝1,2,…n，x_i∈R^m，y_i∈R，w为权向量，b为常数；

步骤22，引入松弛变量ξ和惩罚因子C，建立函数和函数其中，ξ≥0，C＞0，i＝1,2,…,l；

步骤23，引入径向基RBF核函数其中，σ＞0；

步骤24，建立在线控制SVM模型为

4.根据权利要求1所述的数字化水岛在线加药控制方法，其特征在于，步骤3具体包括：

步骤31，设定所述在线控制SVM模型中的参数，确定初始群规模G，子种群数N，每个子种群个数数量M，全局迭代次数GEN，子种群迭代次数K；

步骤32，采用混沌理论初始化种群；

步骤33，对所述在线控制SVM模型执行混合蛙跳算法。

5.根据权利要求4所述的数字化水岛在线加药控制方法，其特征在于，步骤32具体包括：

步骤A1，随机选取T个区间在[0,1]内不同初始值构成初始序列ε₀＝(ε_1,0,ε_2,0,...,ε_T,0)，通过Logistic映射得到G个轨迹不同的混沌序列ε_j，其中，j＝1,2,...,G；

步骤A2，将混沌序列放大到决策变量的取值范围，得到G个代表两个序列构成初始种群X_i，其中，第i个个体表示为X_i＝(X_i,1,X_i,2,...,X_i,T)，i＝1,2,...,G。