[发明专利]基于GA‑SVR的水岛加药在线控制方法

摘要

本发明公开了一种基于GA‑SVR的水岛加药在线控制方法和装置。该方法包括获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组历史参数值的加药剂的历史加药量；基于支持向量回归机建立在线控制SVR模型，其中，历史参数值为SVR模型的输入向量，历史加药量为SVR模型的输出向量；对SVR模型执行GA算法，求解SVR模型中的参数的最优解；将求解得到的最优解输入SVR模型，得到水岛的加药模型；实时监测来水监测指标的实时参数值；以及将实时参数值输入水岛的加药模型，以确定当前时刻加药剂的加药量。通过本发明的方法，能够克服来水水质对运行过程的影响，实时更新加药量，减少药剂浪费、降低成本。

主权项

一种基于GA‑SVR的水岛加药在线控制方法，其特征在于，包括：获取出水指标符合要求的、来水监测指标的m组历史参数值，以及对应于每组所述历史参数值的加药剂的历史加药量，其中，所述来水监测指标包括多个指标，每组所述历史参数值包括所述多个指标的参数值；基于支持向量回归机建立在线控制SVR模型，其中，所述历史参数值为所述SVR模型的输入向量，所述历史加药量为所述SVR模型的输出向量；对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解；将求解得到的所述最优解输入所述SVR模型，得到水岛的加药模型；实时监测所述来水监测指标的一组实时参数值；以及将所述实时参数值输入所述水岛的加药模型，以确定当前时刻所述加药剂的加药量，其中，基于支持向量回归机建立在线控制SVR模型的步骤具体包括：设置所述SVR模型的输入向量为所述来水监测指标的数字信号的时间序列xi，设置所述SVR模型的输出向量为对应于所述时间序列xi的加药剂的历史加药量的时间序列yi，其中，i＝1，2，...，n，n＜m；将由所述时间序列xi和所述时间序列yi构成的时间序列集(xi，yi)采用非线性映射执行向高维空间的映射，并构造所述SVR模型的函数为其中，i＝1，2，...，n，xi∈Rq，yi∈R，q为所述来水监测指标中指标的个数，w为权向量，b为常数；引入松弛变量ξ和惩罚因子C，建立所述SVR模型的目标函数为约束条件为其中，ξ≥0，C＞0，i＝1，2，...，n；确定所述SVR模型的核函数为径向基函数其中，σ＞0；建立所述SVR模型为其中，αi＝Cξi，为拉格朗日系数，对所述SVR模型执行GA算法，求解所述SVR模型中的参数的最优解的步骤包括：步骤A：设定GA算法的参数，确定初始种群规模G、全局迭代次数、变异概率、交叉概率，确定松弛变量ξ、惩罚因子C和核参数σ为GA算法的决策变量；步骤B：令迭代次数为1，初始化所述SVR模型的参数，并对初始化后的所述SVR模型的参数进行二进制编码，产生G组初始种群；步骤C：采用下述循环步骤，确定松弛变量ξ、惩罚因子C和核参数σ的最优解：步骤C1：根据适应度函数计算种群中各个体的适应度函数值，步骤C2：判断当前迭代次数是否达到全局迭代次数，若达到，则输出最优个体，结束步骤C，若未达到，则把适应度函数值最高的最优个体保存下来，并记录适应度函数值最低的最差个体序号，令迭代次数加1，进行选择、交叉、变异遗传操作，并用保存的最优个体替换序号为所述最差个体序号的新个体，产生新的种群，返回步骤C1，所述适应度函数为为以所述时间序列集(xi，yi)中第i组数据作为所述SVR模型的输入向量计算得到的计算机模拟值。