[發明專利]一種基于混合智能算法的厭氧系統出水氨氮軟測量方法

在審

• 申請號: 201810182380.3
• 申請日: 2018-03-06
• 公開（公告）號: CN108549740A
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 萬金泉;謝彬;馬邕文;王艷;閆志成;郝金蕾
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.一種基于混合智能算法的厭氧系統出水氨氮軟測量方法，其特征在于，包括如下步驟：

(1)輔助變量的確定：選取能直接測量并且與厭氧過程密切相關的水質變量；

(2)搭建厭氧廢水處理系統，建立訓練樣本數據庫：采集不同進水條件下厭氧反應器的進水水質和出水水質，構建模型輸入輸出向量對的集合；進水水質包括進水亞硝酸鹽氮、進水COD、進水pH、產氣量的參數；出水水質包括出水氨氮濃度、出水pH、產氣量；

(3)對(2)中采集到的模型輸入輸出向量進行異常值的剔除和歸一化處理，建立輔助變量數據樣本集和關鍵狀態變量即預測變量數據集；

(4)利用主成分分析算法分析輔助變量數據集：借助一個正交變換，將原始相關的隨機變量變換成不相關的新變量，從代數的角度來看是將原變量的協方差陣轉換成對角陣；

(5)建立基于最小二乘法支持向量機的出水氨氮軟測量預測模型，利用(3)的輔助變量數據樣本集和預測變量數據集組成數據集，將數據集分為訓練樣本數據和測試樣本數據，利用訓練樣本數據對模型進行訓練，直到滿足訓練條件訓練停止；

(6)利用(5)訓練好的基于最小二乘法支持向量機的出水氨氮軟測量預測模型，將測試樣本數據作為訓練后模型的輸入，模型輸出即為出水氨氮的預測值。

2.根據權利要求1所述的一種基于混合智能算法的厭氧系統出水氨氮軟測量方法，其特征在于，步驟(1)所述輔助變量的選取包括厭氧系統過程中的進水亞硝酸鹽氮、進水COD、進水pH、出水pH以及產氣量。

3.根據權利要求1所述的一種基于混合智能算法的厭氧系統出水氨氮軟測量方法，其特征在于，步驟(2)以進水亞硝酸鹽氮、進水COD、進水pH、出水pH以及產氣量五個指標參數作為輸入變量，出水氨氮濃度作為輸出變量。

4.根據權利要求1所述的一種基于混合智能算法的厭氧系統出水氨氮軟測量方法，其特征在于，步驟(4)具體包括：

①首先通過公式(1)計算輔助變量數據樣本矩陣X_m×n的均值和方差，然后利用公式(2)對X_m×n進行零均值標準化處理得到標準化矩陣Z_m×n：

其中，矩陣X_m×n為由進水亞硝酸鹽氮、進水COD、進水pH、出水pH以及產氣量五個指標參數構成的樣本矩陣，m為輔助變量參數個數，n為數據樣本個數，為樣本矩陣X_m×n第J列數據平均值，S_j代表標準差，x_ij代表第i個樣本的第j個分量，z_ij代表標準化矩陣Z_m×n的第i個樣本的第j個分量；

②利用公式(3)和(4)求標準化矩陣Z_m×n的協方差矩陣R_n×n，以下將Z_m×n簡寫為Z：

③根據公式(5)解出R的n個特征值λ_J，j＝1，2，…，n，并按從大到小的順序排列，根據公式(6)求解相應特征值的單位特征向量b_j，b_j＝(b_1j，b_2j，┅，b_nj)：

|R-λ_JE|＝0 (5)

Rb＝λ_Jb (6)；

④按公式(7)計算累計方差貢獻率，確定主成分個數k，累計方差貢獻率≥85％的前k個主成分包含了絕大部分信息，后面的其他成分能被舍棄：

⑤最后利用公式(8)將標準化矩陣Z在k維上投影，k由④確定，組成k個主元的新的數據樣本矩陣U，U₁稱為第一主成分，U₂稱為第二主成分，U₃稱為第k主成分，這樣原始數據樣本實現了從n維降到k維：

為矩陣Z的第i個樣本的轉置矩陣。

5.根據權利要求4所述的一種基于混合智能算法的厭氧系統出水氨氮軟測量方法，其特征在于，步驟(4)利用主成分分析算法分析輔助變量數據集，處理后將新的數據樣本分為訓練樣本和測試樣本。