Knowledge Commons of Institute of Automation,CAS
污水处理过程出水水质稀疏鲁棒建模 | |
闻超垚; 周平 | |
发表期刊 | 自动化学报
![]() |
ISSN | 0254-4156 |
2022 | |
卷号 | 48期号:6页码:1469-1481 |
摘要 | 污水处理过程中,出水水质参数是衡量污水处理性能的最重要指标,需要进行严格监测,但现有传感技术难以对其进行实时准确地在线测量.因此,提出一种新型的基于随机权神经网络(Random vector functional-link networks,RVFLNs)与Schweppe型广义M估计(Generalized M-estimation, GM-estimation)的稀疏鲁棒建模方法,用于水质指标的在线鲁棒预测.首先,针对常规RVFLNs隐含层矩阵存在多重共线性而导致最小二乘估计失效的问题,利用稀疏偏最小二乘(Sparse partial least squares, SPLS)代替RVFLNs输出权值求解的最小二乘估计,从而提出SPLS-RVFLNs.该算法不仅可有效解决传统RVFLNs的多重共线性问题,还可以进行建模变量选择,提高模型的可解释性和最终的预测精度.同时,考虑到SPLS-RVFLNs在求解输出权值时会同时受到隐含层矩阵和输出层矩阵两个方向离群点的影响,进一步采用Schweppe型广义M估计对SPLS-RVFLNs进行鲁棒改进,从而提出GM-SPLS-RVFLNs,可显著提高模型的稀疏鲁棒性能.最后,将提出的GM-SPLS-RVFLNs用于污水处理过程出水水质指标预测建模,数据实验结果表明所提方法不仅解决了常规RVFLNs多重共线性和鲁棒性差的问题,而且具有很好的预测精度和泛化性能. |
关键词 | RVFLNs 稀疏鲁棒建模 稀疏偏最小二乘 广义M估计 污水处理 水质指标 |
DOI | 10.16383/j.aas.c200707 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/56337 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 GB/T 7714 | 闻超垚,周平. 污水处理过程出水水质稀疏鲁棒建模[J]. 自动化学报,2022,48(6):1469-1481. |
APA | 闻超垚,&周平.(2022).污水处理过程出水水质稀疏鲁棒建模.自动化学报,48(6),1469-1481. |
MLA | 闻超垚,et al."污水处理过程出水水质稀疏鲁棒建模".自动化学报 48.6(2022):1469-1481. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2020-0707.pdf(2349KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[闻超垚]的文章 |
[周平]的文章 |
百度学术 |
百度学术中相似的文章 |
[闻超垚]的文章 |
[周平]的文章 |
必应学术 |
必应学术中相似的文章 |
[闻超垚]的文章 |
[周平]的文章 |
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