基于3种机器学习模型的污水处理厂出水总氮预测分析

黄学平; 吴留兴; 辛攀; 邓觅; 吴永明; 姚忠; 赵旭雍; 徐欣

首页> 中文期刊> 《能源研究与管理》 >基于3种机器学习模型的污水处理厂出水总氮预测分析

基于3种机器学习模型的污水处理厂出水总氮预测分析

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为实现对污水处理厂出水总氮(TN)浓度的准确预测,收集并分析了某污水处理厂的317条实际运行监测数据,将数据进行预处理后,结合关联度较高的进水TN等6项常规水质指标,利用随机森林、KNN及SVR 3种机器学习模型对出水TN进行预测,并将预测值进行对比分析。结果表明:KNN和SVR 2种模型的决定系数分别为0.759和0.723,低于随机森林模型的0.814;KNN与SVR对应的平均绝对比分比误差分别为12.02%和12.49%,相较于随机森林的10.54%更高;KNN与SVR的均方误差分别为1.09和1.26,高于随机森林的0.85。因此,在有一定进水数据的基础上,通过随机森林构建的出水TN预测模型的精度更高,该研究方法能为污水预测提供一种新的尝试。

著录项

来源
《能源研究与管理》 |2023年第2期|100-105|共7页
作者
黄学平; 吴留兴; 辛攀; 邓觅; 吴永明; 姚忠; 赵旭雍; 徐欣;
展开▼
作者单位

南昌工程学院土木与建筑工程学院;

江西省科学院微生物研究所;

南昌鑫淼源环保有限公司;

展开▼
原文格式 PDF
正文语种 chi
中图分类河流;
关键词
污水处理; 灰色关联分析; 机器学习; 总氮;

相似文献

中文文献
外文文献
专利

1. BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测 [J] . 林佳敏 ,陈金良 ,林晶晶 . 环境工程技术学报 . 2019,第5期
2. 基于机器学习方法的湖泊表层总氮组合预测模型 [J] . 吴绍飞 ,熊凡迪 ,贺淼 . 南昌工程学院学报 . 2023,第1期
3. 基于三种机器学习模型的太湖总氮浓度预测 [J] . 赵朔 ,桂峰兰 ,柳后起 . 中国农村水利水电 . 2022,第6期
4. 基于新型联合循环神经网络(RNN)模型的出水总氮预测 [J] . 夏文泽 ,冯骁 ,王喆 . 净水技术 . 2021,第8期
5. 基于几类机器学习模型的房价预测分析 [J] . 周亮锦 ,赵明扬 . 全国流通经济 . 2022,第6期
6. 关于污水处理厂废水中总氮与氨氮监测数据合理性的探讨 [C] . 张蕊 ,郑佳玲 ,张芹 . 2014中国环境科学学会学术年会 . 2014
7. 基于BP神经网络模型预测污水处理厂出水总氮 [A] . 李崇武 . 2018

基于3种机器学习模型的污水处理厂出水总氮预测分析

摘要

著录项

相似文献

相关主题

期刊订阅