[發(fā)明專(zhuān)利]一種改進(jìn)型的集成加權(quán)極限學(xué)習(xí)機(jī)污水處理故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710654311.3
• 申請(qǐng)日: 2017-08-03
• 公開(kāi)（公告）號(hào): CN107688825B
• 公開(kāi)（公告）日: 2020-02-18
• 發(fā)明（設(shè)計(jì)）人: 許玉格;賴(lài)春伶;孫稱(chēng)立;陳立定
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華南理工大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 馮炳輝

本發(fā)明公開(kāi)了一種改進(jìn)型的集成加權(quán)極限學(xué)習(xí)機(jī)污水處理故障診斷方法，包括：S1、針對(duì)基分類(lèi)器，采用傾向于少數(shù)類(lèi)樣本的賦值公式，對(duì)加權(quán)極限學(xué)習(xí)機(jī)的初始權(quán)值進(jìn)行賦值；S2、訓(xùn)練基分類(lèi)器；S3、提出新型的集成算法基分類(lèi)器權(quán)值更新公式，以加權(quán)極限學(xué)習(xí)機(jī)為基分類(lèi)器，以Adaboost迭代方法對(duì)多個(gè)基分類(lèi)器進(jìn)行集成，建立改進(jìn)型的污水故障診斷模型；S4、輸入污水處理過(guò)程中產(chǎn)生的樣本數(shù)據(jù)，設(shè)置集成算法的基分類(lèi)器個(gè)數(shù)T，基分類(lèi)器的最優(yōu)核寬度γ，對(duì)應(yīng)的最優(yōu)正則化系數(shù)C，建立污水處理系統(tǒng)的故障診斷模型并進(jìn)行性能測(cè)試。本發(fā)明可以實(shí)現(xiàn)多個(gè)類(lèi)別的不平衡數(shù)據(jù)分類(lèi)，提高了不平衡數(shù)據(jù)的分類(lèi)性能特別是少數(shù)類(lèi)的分類(lèi)正確率，有效提高了污水處理過(guò)程中故障診斷的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及污水處理故障診斷的技術(shù)領(lǐng)域，尤其是指一種改進(jìn)型的集成加權(quán)極限學(xué)習(xí)機(jī)污水處理故障診斷方法。

背景技術(shù)

污水處理是一個(gè)復(fù)雜的、影響因素非常多的生化過(guò)程，污水處理廠難以保持長(zhǎng)期穩(wěn)定的運(yùn)行，發(fā)生故障容易引起出水水質(zhì)不達(dá)標(biāo)、運(yùn)行費(fèi)用增高和環(huán)境二次污染等嚴(yán)重問(wèn)題，所以需要對(duì)污水處理廠運(yùn)行狀態(tài)進(jìn)行監(jiān)控，診斷出運(yùn)行故障并及時(shí)處理。

污水處理過(guò)程的故障診斷實(shí)際是一個(gè)模式識(shí)別的問(wèn)題，分類(lèi)過(guò)程中常常還會(huì)遇到污水?dāng)?shù)據(jù)集的分布不均衡問(wèn)題。傳統(tǒng)的機(jī)器學(xué)習(xí)方法容易使分類(lèi)準(zhǔn)確率偏向于多數(shù)類(lèi)，而實(shí)際分類(lèi)中更加看重的是少數(shù)類(lèi)的分類(lèi)準(zhǔn)確率，即故障類(lèi)的分類(lèi)準(zhǔn)確率。及時(shí)準(zhǔn)確的發(fā)現(xiàn)故障可以很大程度上減少污水處理廠的損失，另一方面提高污水處理廠的工作效率。

發(fā)明內(nèi)容

本發(fā)明針對(duì)污水處理廠的故障診斷問(wèn)題，提供了一種改進(jìn)型的集成加權(quán)極限學(xué)習(xí)機(jī)污水處理故障診斷方法，該方法將不平衡分類(lèi)評(píng)價(jià)指標(biāo)G-mean引入以加權(quán)極限學(xué)習(xí)機(jī)為基分類(lèi)器的Adaboost集成分類(lèi)算法，用于污水處理過(guò)程故障診斷，可以實(shí)現(xiàn)多個(gè)類(lèi)別的不平衡數(shù)據(jù)分類(lèi)，提高了不平衡數(shù)據(jù)的分類(lèi)性能特別是少數(shù)類(lèi)的分類(lèi)正確率，有效提高了污水處理過(guò)程中故障診斷的準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種改進(jìn)型的集成加權(quán)極限學(xué)習(xí)機(jī)污水處理故障診斷方法，包括以下步驟：

S1、針對(duì)基分類(lèi)器，采用傾向于少數(shù)類(lèi)樣本的賦值公式，對(duì)加權(quán)極限學(xué)習(xí)機(jī)的初始權(quán)值進(jìn)行賦值；

S2、訓(xùn)練基分類(lèi)器：計(jì)算前一個(gè)基分類(lèi)器的召回率recall和性能評(píng)價(jià)指標(biāo)G-mean值，采用基于G-mean的初始權(quán)值矩陣更新公式，對(duì)下一個(gè)加權(quán)極限學(xué)習(xí)機(jī)基分類(lèi)器的權(quán)值矩陣進(jìn)行調(diào)整并建立基分類(lèi)器模型，其步驟過(guò)程如下：

S2.1、給定污水樣本集{(x₁,y₁),(x₂,y₂),…,(x_i,y_i),…,(x_N,y_N)}，其中x_i∈X表示第i個(gè)樣本的屬性值，y_i表示第i個(gè)樣本對(duì)應(yīng)的類(lèi)別標(biāo)簽，N是樣本總個(gè)數(shù)，y_i∈Y＝{1,2,…,k,…,K}，k表示第k個(gè)類(lèi)別，K表示總共有K個(gè)類(lèi)別；設(shè)置集成算法的基分類(lèi)器個(gè)數(shù)并記為T(mén)；

S2.2、使用加權(quán)核極限學(xué)習(xí)機(jī)作為基分類(lèi)器對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，得到訓(xùn)練模型h_t，對(duì)于第t個(gè)基分類(lèi)器h_t，先求每一類(lèi)的召回率R₁,R₂,…R_k,…,R_K，k為第k類(lèi)，M為類(lèi)別的總數(shù)量，再計(jì)算每一類(lèi)的個(gè)數(shù)計(jì)為n_k，以及每一個(gè)樣本的分類(lèi)結(jié)果A(x_i)，若為分對(duì)的情況下，A(x_i)＝+1；若為分錯(cuò)的情況下，A(x_i)＝-1；最后求G_mean＝(R₁·R₂…R_K)^1/K；

S2.3、若G_mean≤0.5，則退出迭代；