• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《青岛理工大学学报》 >基于GA-机器学习模型的污水处理厂BOD软测量研究

基于GA-机器学习模型的污水处理厂BOD软测量研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

生化需氧量(BOD)是污水处理厂水质监测的重要指标。污水处理厂进水BOD指标的传统检测方法存在测试时间长、实际操作复杂等局限性,无法为污水处理厂根据进水水质波动进行工艺参数调整提供及时和准确的指导。为此,研究了使用支持向量机回归(Support Vector Regression, SVR)及极端梯度提升(Extreme Gradient Boosting, XGBoost)两种机器学习模型算法对进水BOD进行软测量的可行性,同时辅以遗传算法(Genetic Algorithm, GA)进行参数优化。结果表明,采用GA进行参数优化能够提升SVR模型与XG-Boost模型的预测精度,均方根误差(Root Mean Squared Error, RMSE)分别降低10.70%与33.33%。相比较GA-XGBoost模型,使用GA-SVR方法进行预测的结果更准确,拟合度(R2)可达0.918。研究结果可为污水处理厂进水BOD指标软测量方法的工程应用提供数据支撑。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号