[发明专利]基于SFLA‑SVM的数字化水岛在线加药控制方法

摘要

本发明公开了一种基于SFLA‑SVM的数字化水岛在线加药控制方法，包括获取来水监测指标，确定SFLA‑SVM加药模型的目标函数和决策变量；基于支持向量机建立加药量、监测指标的SVM模型；对SVM模型采用混沌混合蛙跳算法，得到各参数的最优解；利用最优解对SVM模型进行学习训练，建立SFLA‑SVM加药模型；将监测得到的来水的监测指标输入SFLA‑SVM加药模型，确定当前时刻的最优加药量。本发明的有益效果克服了来水水质时变特性对运行过程造成的不利影响；实时更新最优加药量，实现了加药过程的在线控制，减少了药剂的浪费、降低了人工和运行成本，满足出水的水质要求；提高了加药模型的计算速度和精度，避免了陷入局部最优问题，解决了非线性问题，增强了模型的解释和预测能力。

主权项

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(xi,yi)为核函数，b为常数，αi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。