1.基于动态非线性PLS软测量方法的废水出水指标预测方法,其特征在于,所述方法采用增广矩阵进行偏最小二乘Partial Least Squares,PLS软测量建模方法以控制数据的动态特性,所述数据包含8个输入变量和2个输出变量,输入变量包括进水氨浓度SNHin,进水流量Qin,第二反应器硝酸盐浓度SNO2,第四反应器总固体悬浮物浓度TSS4,第三和第四反应器的溶氧量,SO3和SO4,第五反应器的氧气转换系数KLa5,内循环比率Qintr,输出变量包括出水氨浓度SNH和出水硝酸盐浓度SNO;其次,在建模时使用高斯过程回归Gaussian Process Regression,GPR建立得分向量间的非线性关系以控制数据的非线性特征,以此提供不同模型的对比实现最优预测;实现对出水氨浓度SNH和出水硝酸盐浓度SNO的在线预测;
该方法包括以下步骤:
n×m
S1.构建增广矩阵:选择样本输入数据X∈R ,n代表样本个数,m代表输入变量个数,输n×s
出数据Y∈R ,s代表输出变量个数,分别构建增广矩阵Xa和Ya,并完成对增广矩阵的标准化处理;输入变量包括进水氨浓度(SNHin),进水流量(Qin),第二反应器硝酸盐浓度(SNO2),第四反应器总固体悬浮物浓度(TSS4),第三和第四反应器的溶氧量(SO3和SO4),第五反应器的氧气转换系数(KLa5),内循环比率(Qintr);输出变量包括出水氨浓度(SNH)和出水硝酸盐浓度(SNO)
S2.构建GPR模型:根据S1步骤中的增广矩阵构建PLS模型,建立得分向量间的GPR模型,用来解释数据的非线性特征;所述GPR模型构建如下:S21:求取高斯过程回归的预测值为:其中
T
X为训练集的输入,X*为测试集的输入;K(X,X*)=K(X*,X) 代表着训练集X与测试集X*样本点间的协方差矩阵,K(X*,X*)为测试集X*样本自身的协方差;In为n维单位矩阵;y为观测目标值;σ为高斯白噪声;
S22:采用平方指数协方差函数构建高斯过程回归模型:2
式中, 为信号方差,M=diag(l),l为方差尺度;参数的集合θ={σf,l}为超参数;
S23:超参数的获取:
超参数的集合通过最大似然法求得:其中 令式(9)对超参数θ求偏导,采用共轭梯度法得到超参数的最优解;获得超参数后,利用式(6)和(7)对测试点X*对应的预测值f*和方差 进行计算;
S3.构建D‑GPR‑PLS模型:对所述增广矩阵Xa和Ya进行PLS分解,采用GPR替代输入与输出得分向量间的线性关系,完成D‑GPR‑PLS模型的构建;所述D‑GPR‑PLS模型构建如下:使用偏最小二乘模型对训练集输入与输出数据的增广矩阵Xa和Ya作如下分解:n×d n×d m×d s×d式中T∈R 和U∈R 分别为Xa和Ya的得分矩阵;P∈R 和Q∈R 分别为Xa和Ya的负载矩阵;E和F分别为Xa和Ya的残差矩阵,d为PLS潜变量的个数;其中得分向量间的内在关系表示为:
ui=f(ti)+ei (17)式中,ei为对应的残差,f(x)代表高斯过程回归;
S4.D‑GPR‑PLS模型的数据预测:根据训练好的D‑GPR‑PLS模型参数,完成对新的输入数据Xnew的预测;所述D‑GPR‑PLS模型的数据预测过程如下:S41:将测试集数据Xnew构建为增广矩阵Xnewa,并进行数据标准化处理;
S42:采用D‑GPR‑PLS模型参数P,Q和W的值确定Xnewa的输入得分矩阵:T ‑1
Tnew=XnewaW(PW) (29)式中,W为权重矩阵,Tnew=[tnew1,tnew2,…,tnewd];
S43:根据GPR模型预测每一个输出得分向量:式中,i=1,2,…,d;
S44:计算输出数据的预测值 并根据训练集Y的均值和方差进行数据反标准化处理;
的计算公式表示为:
S5.完成模型预测能力的评估:将测试集输入数据带入模型进行预测,根据输出数据的预测值与真实值计算出均方根误差Root Mean Square Error,RMSE与决定系数2
Coefficient of Determination,R,完成模型预测能力的评估。
2.根据权利要求1所述的基于动态非线性PLS软测量方法的废水出水指标预测方法,其特征在于,步骤S1中,增广矩阵Xa和Ya的构建如下:Xa=[X1,X2,…,Xm] (1)Ya=[Y1,Y2,…,Ys] (2)式中,m和s分别为输入和输出数据的变量个数,Xi代表第i个输入变量的增广矩阵,Yj代表第j个输出变量的增广矩阵,x(r)为某样本点,a和b分别代表输入和输出变量的迟滞样本数。
3.根据权利要求1所述的基于动态非线性PLS软测量方法的废水出水指标预测方法,其特征在于,采用非线性迭代最小二乘法求解D‑GPR‑PLS的模型参数。
4.根据权利要求1所述的基于动态非线性PLS软测量方法的废水出水指标预测方法,其特征在于,所述步骤S5包括:
S51:根据输出数据的预测值与真实值计算出不同模型对应的均方根误差RMSE:式中, 是估计值,yi是测量值,n为样本数;
2
S52:根据输出数据的预测值与真实值计算出不同模型对应的决定系数R:式中:
SSres代表残差平方和,SStot代表总变异平方和,是平均值。
5.根据权利要求4所述的基于动态非线性PLS软测量方法的废水出水指标预测方法,其2
特征在于,所述RMSE值越接近于0,代表该模型预测实验数据具有越高的精确度;R 的结果2
在0到1之间,R越接近1,拟合程度越高。