[发明专利]基于GA‑SVM的水岛加药在线控制方法和装置

摘要

本发明公开了一种基于GA‑SVM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；基于支持向量机建立在线控制SVM模型，其中，历史参数值为SVM模型的输入向量，历史加药量为SVM模型的输出向量；对SVM模型执行GA算法，求解SVM模型中的参数的最优解；将求解得到的最优解输入SVM模型，得到水岛的加药模型；实时监测来水监测指标以得到一组实时参数值；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‑SVM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；基于支持向量机建立在线控制SVM模型，其中，所述历史参数值为所述SVM模型的输入向量，所述历史加药量为所述SVM模型的输出向量；对所述SVM模型执行GA算法，求解所述SVM模型中的参数的最优解，该步骤包括：步骤A：设定GA算法的参数，确定初始种群规模、全局迭代次数、变异概率、交叉概率，确定松弛变量、惩罚因子和核参数为GA算法的决策变量，步骤B：令迭代次数为1，初始化所述SVM模型的参数，并对初始化后的所述SVM模型的参数进行二进制编码，基于混沌理论产生G 组初始种群，步骤C：采用下述循环步骤，确定松弛变量、惩罚因子和核参数的最优解：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；将求解得到的所述最优解输入所述SVM模型，得到水岛的加药模型；实时监测所述来水监测指标以得到一组实时参数值；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，在步骤C2中，选择操作采用轮盘选择，交叉操作的交叉算子采用单点，变异操作的变异概率选择自适应概率，其中，交叉概率采用以下公式进行计算：变异概率采用以下公式进行计算：其中，f为当前个体的非支配等级，fmax为当前种群中个体非支配等级的最大值，Pc1为常数，Pm1为限制变异概率的最小值，k1∈(0，1)，k2∈(0，1)。