| 基于粒子群优化的溶解氧浓度支持向量回归机软测量 | |
| 安爱民; 祁丽春; 丑永新; 张浩琛; 宋厚彬 | |
| 2015-07-31 | |
| 会议日期 | 2015 |
| 关键词 | 溶解氧浓度 粒子群算法 支持向量回归机 污水处理 软测量 |
| 英文摘要 | 溶解氧浓度是污水处理过程中的一个重要指标,及时准确地掌握溶解氧浓度变化趋势是确保污水得到有效处理的关键。针对溶解氧浓度无法在线精确测量的问题,本文提出基于粒子群算法优化支持向量回归机(PSO-SVR)的溶解氧浓度软测量模型。为了提高溶解氧的预测精度和效率,采用粒子群算法对支持向量回归机的模型参数进行优化,并以自动获取的最佳参数组合构建溶解氧与其影响因子间的非线性软测量模型,利用该模型对国际基准仿真模型BSM1的溶解氧浓度进行预测。仿真结果表明,该模型能得到较好的预测效果,与SVR、RBF神经网络相比,PSO-SVR模型不仅计算复杂度低,而且收敛速度快、预测精度高、泛化能力强。 |
| 内容类型 | 会议论文 |
| 源URL | [http://119.78.100.223/handle/2XXMBERH/27923]  |
| 专题 | 电气工程与信息工程学院 研究生院 |
| 作者单位 | 兰州理工大学电气工程与信息工程学院 |
| 推荐引用方式 GB/T 7714 | 安爱民,祁丽春,丑永新,等. 基于粒子群优化的溶解氧浓度支持向量回归机软测量[C]. 见:. 2015. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论