支持向量机在污水处理中的节能应用研究

【摘要】： 在目前的污水处理工艺中,污水处理的成本非常高昂,最主要的原因,是与污水处理工艺中存在大量的电能浪费有关。据统计,每年污水处理厂60%~70%的电能消耗来自于曝气池鼓风机端的用电量。鼓风机常常在满功率的情况下以老式的阀门调节这一方式调整曝气池进气量。因此,如何在不影响污水处理工艺质量的前提下,减少鼓风机端的电能浪费是目前绝大部分国内污水处理厂亟待解决的问题,降低污水处理中的能耗也符合我国近年来提倡的节能宗旨。本文针对这一热点问题,利用以支持向量机为工具的软测量方法,对鼓风机端的节能进行了研究,所做的工作主要包括: 1.鼓风机调节的主要依据是溶解氧DO的浓度,针对DO的变化对外界参数的改变有一定延时的问题,本文在现场采集回的数据基础上,经过大量实验,确定了污水处理测量中溶解氧(DO )的相关变量,利用回归支持向量机对其进行了预测,获得了较高的准确率。 2.在聚类分析的基础上,提出一种针对拥有大量输入训练数据的回归支持向量机的数据预处理方法,该方法旨在让支持向量机的解拥有更好的稀疏性,在后续预测中有更好的运行效率。为验证算法的有效性,本文随后将其运用于溶解氧DO、出水TN ,曝气池SVI的预测,实验结果证明,本算法在保证预测精度的前提下,能够将支持向量的个数降低20%~30%,较好地改善了支持向量的稀疏性,同时提高了预测的运算效率。 3.将本文提出的回归支持向量机数据预处理算法与主元分析,粗糙集等数据预处理方法进行比较,通过搭建不同的软测量模型:SVR,C - SVR,PCA - SVR,C - PCA - SVR,RS - SVR,C - RS - SVR,RS - PCA - SVR,C - RS - PCA - SVR,对DO、TN ,SVI的预测实验结果进行了对比,进一步证明了本算法的有效性,找到了在保证预测精度可接受的情况下执行效率最高的模型。 4.在溶解氧DO通过本文方法准确测量的基础上,提出针对污水处理厂曝气池鼓风机端的节能方案。 【关键词】：支持向量机 软测量技术 聚类分析 主元分析 污水处理
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：X703
【目录】：

• 摘要4-5
• Abstract5-13
• 第一章 绪论13-19
• 1.1 课题背景及意义13-14
• 1.2 软测量技术在污水处理中的应用现状14-16
• 1.3 课题的主要工作16-17
• 1.4 论文结构及内容安排17-19
• 第二章 软测量技术与支持向量机概述19-34
• 2.1 软测量技术19-23
• 2.1.1 软测量技术概述19
• 2.1.2 软测量技术的数学描述19-20
• 2.1.3 软测量的流程20-23
• 2.2 支持向量机23-33
• 2.2.1 统计学习理论简介23-24
• 2.2.2 统计学习理论的发展历程24-25
• 2.2.3 统计学习理论的几个重要概念25-28
• 2.2.4 用于回归预测的支持向量机（SVR）28-32
• 2.2.5 回归支持向量机在工程领域的预测应用研究实例32-33
• 2.3 本章小结33-34
• 第三章 数据的预处理34-42
• 3.1 主元分析34-35
• 3.2 聚类分析35-38
• 3.2.1 聚类的定义36
• 3.2.2 相异度矩阵36
• 3.2.3 相异度的计算方法36-38
• 3.3 粗糙集38-41
• 3.3.1 粗糙集理论的几个基本概念39-40
• 3.3.2 决策表的约简40-41
• 3.4 本章小结41-42
• 第四章 污水处理技术42-47
• 4.1 污水处理的概念42
• 4.2 活性污水法工艺流程42-43
• 4.3 污水处理过程的相关参数及测量方法43-46
• 4.4 本章小结46-47
• 第五章 污水处理系统软测量建模技术应用研究47-56
• 5.1 基于SVR 的DO 预测47-55
• 5.1.1 基于聚类分析的SVR49-52
• 5.1.2 C-SVR 与SVR 的仿真实验对比52-55
• 5.2 本章小结55-56
• 第六章 几种数据预处理方法的对比56-69
• 6.1 DO 的软测量实验对比56-64
• 6.1.1 基于主元分析的软测量56-58
• 6.1.2 基于聚类分析与主元分析相结合的软测量58-59
• 6.1.3 基于粗糙集的软测量59-60
• 6.1.4 基于聚类分析和粗糙集相结合的软测量60-61
• 6.1.5 基于主元分析和粗糙集相结合的软测量61-62
• 6.1.6 基于聚类分析，主元分析和粗糙集相结合的软测量62-63
• 6.1.7 各仿真实验结果对比63-64
• 6.2 出水TN 的软测量仿真实验对比64-65
• 6.3 曝气池SVI 的软测量仿真实验对比65-66
• 6.4 鼓风机端节能方案概述66-68
• 6.4.1 C-SVR 软测量模块67
• 6.4.2 辅助变量采集模块67
• 6.4.3 模糊控制模块67-68
• 6.4.4 D/A 模块68
• 6.4.5 变频器与鼓风机68
• 6.5 本章小结68-69
• 第七章 总结与展望69-70
• 7.1 主要结论69
• 7.2 后续工作展望69-70
• 致谢70-71
• 参考文献71-74
• 个人简历74-75
• 攻读硕士学位期间的研究成果75-76

您可以在本站搜索以下学术论文文献来了解更多相关内容

支持向量机预测高边坡爆破质点振动速度    欧敏;林从谋;

基于支持向量机的数控机床总线的故障诊断研究    李荣兵;

飞机飞行事故率预测建模与仿真研究    戴蓉;黄成;

基于SVM的食糖市场风险预警研究    王蕾;

遗传支持向量机在液压泵轴承故障的预测与应用    黄胜忠;

基于支持向量机的高炉向凉、向热炉况预测    崔桂梅;鄢常亮;关英辉;

基于支持向量机的煤炭销售预测系统的研究    杨飞;王猛;

PSO优化的SVM回归在SF_6废气定量分析中的应用    吴继芳;张其林;赵永标;李杰;

基于PSO-SVM的空气钻井地下水水位预测    肖军民;刘慧升;

基于阵列感应测井的支持向量机流体识别方法    周凡;姜洪福;王立艳;孟凡顺;

支持向量机在电力客户信用评级中的应用    林杰华;张斌;李冬森;宋华茂;余志强;王浩;

多变量系统预测的支持向量机方法研究    蒋铁军;张怀强;李积源;

基于nu-支持向量机的软测量技术    张浩然;汪晓东;吴建斌;张长江;许秀玲;

生化过程软测量建模方法的研究    吕哲;常玉清;王福利;

基于小波支持向量机预测蛋白质亚细胞定位研究    黄淑云;孙兴玉;梁汝萍;邱建丁;

支持向量机在语音识别中的应用研究    谢湘;匡镜明;

基于支持向量机的鹅肉肉色客观评定研究    涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;

基于支持向量机的坦克识别算法    杨凌;刘玉树;

基于支持向量机方法的深基坑变形预测    师旭超;巴松涛;

支持向量机方法在地下水位干扰排除中的初步应用    张军;

新技术提升过程测控能力    徐用懋 熊智华

内幕交易与市场操纵的行为动机与判别监管研究    课题主持人 李心丹　课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院

计算机详解配伍与药效关系    李水根

非接触式人脸识别技术    清华大学 苏光大

我市九项目进入省“盘子”    YMG记者 李仁　通讯员 曲华明 孙运智

石油化工自动化：进步挺大 差距不小    “十一五”规划编制组

酷爱化学 孜孜以求    上海大学理学院教授、副院长 陆文聪

全程质量数控技术确保注射液安全性    秦琴

选择合适的数据挖掘算法    

王米渠与中医心理学    周颖

基于CPFR的农产品采购模型研究    杜小芳

动态过程数据的多变量统计监控方法研究    刘育明

支持向量机（SVM）和径向基神经网络（RBFNN）方法在化学、环境化学和药物化学中的应用研究    栾锋

市场条件下抽水蓄能电站效益综合评价及运营模式研究    孙薇

支持向量机的核方法及其模型选择    常群

锌钡白回转窑煅烧过程智能建模研究    朱燕飞

支持向量回归机及其应用研究    田英杰

基于蚁群优化算法的若干问题的研究    燕忠

基于支持向量机的植物病害识别研究    任东

支持向量回归在预测控制中的应用研究    杨金芳

基于支持向量机的电解液成分预测    童振

基于支持向量机的甲醛浓度软测量    张文良

基于支持向量机的生物发酵软测量技术研究    周大为

支持向量机方法在感潮河段洪峰水位预报中的应用    刘艳伟

支持向量机算法设计及在高分辨雷达目标识别中的应用    杨镭

模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究    聂小芳

基于支持向量机的高炉向凉向热炉况预测研究    鄢常亮

基于支持向量机的水电故障分类器的设计与实现    韩叙东

慢时变对象的支持向量机建模与在线校正方法研究    冯杰

支持向量机在冲击地压预测模型中的应用研究    朱耿峰