论文部分内容阅读
随着人们生活水平的提高和工业化进程的加速,居民的生活污水以及工厂的工业污水排放量日益加大,及时有效的污水处理得到了高度的重视。在污水处理的过程中需要检测一些关键的水质参数,及时有效地调控,从而可以达到高效处理污水的目的。然而有些工艺参数不易直接测量,这就对污水水质参数的软测量提出了要求。本文第一部分研究了基于变量重要性投影法(Variable Importance in Projection,VIP)、遗传算法(Genetic Algorithms,GA)、移动窗口法(Moving Window,WM)的辅助变量选择方法,讨论了各个方法的参数选定以及优缺点,并将三种方法结合偏最小二乘建立回归模型,在MATLAB平台上仿真,对出水BOD进行预测。结果表明,通过辅助变量选择之后,虽然模型的运行时间略有增加,但是模型的预测精度与仅使用偏最小二乘回归法建立的模型相比较,有了显著提高。第二部分研究了分别研究了基于时间窗(Sliding Time Window,STW)和即时学习(Just In Time,JIT)的在线模型,并对时间差分法(Time Difference,TD)进行了讨论。探讨各个方法的参数选定以及优缺点,并将在线模型与辅助变量选择法结合,MATLAB仿真结果表明,在线模型的预测效果良好。另外,在线模型和离线模型相比较而言,前者的模型预测精度要明显好于后者,说明了在建立系统的动态模型时,充分考虑了系统的工作点特性,随着时间的推移,动态模型能够实时找出与系统工作点最相关的样本数据,从而建立的模型最能反映系统当前状态,预测精度也会有一定程度的提升。第三部分研究了基于子空间辨识(Subspace Identification)的软测量建模。首先对该算法进行了详细的推导,接着将该算法分别结合在线模型(即时学习法)和离线模型(时间差分法)建立模型,仿真结果表明,并不是所有的在线模型的预测效果都要好于离线模型,由于该污水参数的样本数据每隔15分钟采集一次,波动较大,动态特性十分明显,导致在寻找相关工作点时,找到的样本数据较少,从而得到的系统信息较少,建立的模型的偏差较大,而时间差分法离线模型,通过对样本数据做差分运算,将样本数据中的变化部分提取出来,从而建立的模型更适应本章中动态性能强的对象,因此我们在实际操作的时候要具体情况具体分析。