[发明专利]一种基于KPLS和FCM的污水处理过程监测方法

摘要

本发明涉及污水处理质量监测技术领域，提供一种基于KPLS和FCM的污水处理过程监测方法。本发明首先采集正常工况和包含异常工况的污水处理过程数据样本，将污水处理运行变量、出水质量变量的数据分别作为输入、输出数据矩阵，并标准化两矩阵；然后构建KPLS模型，将输入样本映射到高维特征空间，引入高斯核函数得到Gram矩阵K，并求解得分矩阵；接着计算输入样本点密度值，计算构造函数并绘制构造函数图像以确定聚类数目；最后，基于FCM算法对得分矩阵聚类，得到隶属度矩阵，根据隶属度矩阵进行污水处理过程异常工况监测。本发明能够对高维数据进行降维且能够处理非线性数据、准确方便地确定聚类数目，提高监测的及时性和准确性。

主权项

1.一种基于KPLS和FCM的污水处理过程监测方法，其特征在于，包括下述步骤：步骤1：分别采集正常工况和包含异常工况的污水处理过程数据样本，所述污水处理过程数据样本包括m₁个污水处理运行变量、m₂个出水质量变量；从时间角度将正常工况的污水处理过程数据样本加在包含异常工况的污水处理过程数据样本之前，形成混合数据样本集；将混合数据样本集中m₁个污水处理运行变量的数据作为输入数据矩阵X，将混合数据样本集中m₂个出水质量变量的数据作为输出数据矩阵Y；步骤2：对输入数据矩阵X和输出数据矩阵Y进行预处理；所述预处理包括计算输入数据矩阵X和输出数据矩阵Y中各变量的均值和标准差，并将输入数据矩阵X和输出数据矩阵Y均标准化成零均值且单位标准差的数据；步骤3：构建污水处理过程监测的KPLS模型，将输入数据矩阵X中的输入样本x映射到高维特征空间F：x→Φ(x)∈F，引入高斯核函数得到输入数据矩阵X的Gram矩阵K，并对Gram矩阵K进行中心化处理；步骤4：采用交叉验证法确定主元数目，并求解得分矩阵T；步骤5：计算输入数据矩阵X中的输入样本x_i的点密度值D_i，计算构造函数S(j)，并绘制构造函数S(j)的图像，根据构造函数S(j)的图像的斜率数目确定聚类数目c；步骤6：以c为聚类数目，基于FCM算法对得分矩阵T进行聚类，得到隶属度矩阵U，根据隶属度矩阵U对污水处理过程进行异常工况监测：若某一时刻样本对正常工况样本的聚类中心的隶属度小于μ，则污水处理过程在该样本处发生了异常。