[发明专利]一种基于混合智能算法的厌氧系统出水氨氮软测量方法

摘要

本发明涉及了一种厌氧废水处理系统出水氨氮的软测量预测方法，目的在于解决厌氧废水处理系统中出水氨氮浓度测量中存在的测量时间滞后长、价格昂贵、维护困难等问题。该方法基于厌氧废水处理生化特性，通过主成分分析和最小二乘法支持向量机混合智能算法，成功实现厌氧废水处理中出水氨氮的实时检测。实验证明，该软测量方法出水氨氮预测值与实际测量真实值相关系数为0.9970，说明该软测量模型能够快速、准确地预测出水氨氮的浓度，不仅可以提高了厌氧废水处理系统中出水氨氮质量监控水平，更可进一步解决现有测定仪器价格昂贵、维护困难和测量滞后等问题，具有十分重要的应用价值。

主权项

1.一种基于混合智能算法的厌氧系统出水氨氮软测量方法，其特征在于，包括如下步骤：(1)辅助变量的确定：选取能直接测量并且与厌氧过程密切相关的水质变量；(2)搭建厌氧废水处理系统，建立训练样本数据库：采集不同进水条件下厌氧反应器的进水水质和出水水质，构建模型输入输出向量对的集合；进水水质包括进水亚硝酸盐氮、进水COD、进水pH、产气量的参数；出水水质包括出水氨氮浓度、出水pH、产气量；(3)对(2)中采集到的模型输入输出向量进行异常值的剔除和归一化处理，建立辅助变量数据样本集和关键状态变量即预测变量数据集；(4)利用主成分分析算法分析辅助变量数据集：借助一个正交变换，将原始相关的随机变量变换成不相关的新变量，从代数的角度来看是将原变量的协方差阵转换成对角阵；(5)建立基于最小二乘法支持向量机的出水氨氮软测量预测模型，利用(3)的辅助变量数据样本集和预测变量数据集组成数据集，将数据集分为训练样本数据和测试样本数据，利用训练样本数据对模型进行训练，直到满足训练条件训练停止；(6)利用(5)训练好的基于最小二乘法支持向量机的出水氨氮软测量预测模型，将测试样本数据作为训练后模型的输入，模型输出即为出水氨氮的预测值。