SVR WATER QUALITY PREDICTION MODEL BASED ON GA OPTIMIZATION
-
摘要: 针对污水中BOD5参数不易直接测得的特点,提出了基于遗传算法(Genetic Algorithm,GA)优化参数的支持向量机回归(Support Vector Regression,SVR)水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD5的数学关系模型的方式对BOD5进行测定。使用遗传算法对SVR中的关键参数进行寻优,解决了传统SVR预测模型参数选择的问题。以北京市污水处理厂进水污水作为研究对象进行实验,结果表明,与BP神经网络与SVR相比,使用GA-SVR方法进行预测的结果更优,其平均误差与均方根误差分别降至0.009443与16.88 mg/L。Abstract: Aiming at the fact that the BOD5 in wastewater can not easily measured directly, a support vector machine regression water quality prediction model based on genetic algorithm optimization parameters was proposed. Using machine learning method, BOD5 was determined by establishing a mathematical relationship model between COD and other parameters in wastewater. The genetic algorithm was used to optimize the key parameters in the SVR, which solved the problem of parameter selection of the traditional SVR prediction model. Experiments were carried out with the influent wastewater from the Beijing Wastewater Treatment Plant as the research object. The results showed that the average error and root mean square error of the results predicted by GA-SVR method were reduced to 0.009443 and 16.88 mg/L, respectively. Compared with BP neural network and the SVR,the result of GA-SVR was with reasonable advantage.
-
Key words:
- BOD5 /
- genetic algorithm /
- support vector machine regression /
- water quality monitoring
-
LEWIS W M, WURTSBAUGH W A, PAERL H W. Rationale for Control of anthropogenic nitrogen and phosphorus to reduce eutrophication of inland waters[J]. Environmental Science & Technology, 2011, 45(24):10300-10305. 郑利杰, 高红杰, 宋永会, 等. 我国典型城市地表水水质综合评价与分析[J]. 环境工程技术学报, 2016(3):252-258. 刘长宇, 董绍俊. 水质生化需氧量快速检测新方法研究进展:现场、实时和就地监测[J]. 中国科学:化学, 2018, 48(8):194-201. 乔俊飞, 李瑞祥,柴伟,等.基于PSO-ESN神经网络的污水BOD预测[J]. 控制工程, 2016, 23(4):463-467. Predictive modeling for wastewater applications:linear and nonlinear approaches[J].Environmental Modeling&Software,2009,24(1):96-106. MIRBAGHERI S A, BAGHERI M, BOUDAGHPOUR S, et al. Performance evaluation and modeling of a submerged membrane bioreactor treating combined municipal and industrial wastewater using radial basis function artificial neural networks[J]. Journal of Environmental Health Science & Engineering, 2015, 13(1):1-15. 王树东, 葛珉昊, 陈明明. 基于混合递阶遗传算法优化RBF神经网络的BOD5软测量方法[J]. 给水排水, 2014, 40(3):149-153. 唐晓彬, 张瑞, 刘立新. 基于蝙蝠算法SVR模型的北京市二手房价预测研究[J]. 统计研究, 2018, 35(11):73-83. 墨蒙, 赵龙章, 龚嫒雯, 等. 基于遗传算法优化的BP神经网络研究应用[J].现代电子技术,2018,512(9):49-52. VAPNIK V.The Nature of Statistical Learning Theory[M]. Heidelberg:Springer, 1995. 周丽芳,文佳黎.基于遗传算法的虚拟足球游戏设计[J].计算机应用与软件,2017,34(2):209-213. 段青玲,张磊,魏芳芳,等. 基于时间序列GA-SVR的水产品价格预测模型及验证[J].农业工程学报, 2017(1):308-314. 任金霞,刘敏. 基于改进GA的云计算任务调度策略[J]. 沈阳工业大学学报, 2019, 41(3):320-325. 郭泓利,李鑫玮,任钦毅,等. 全国典型城市污水处理厂进水水质特征分析[J].给水排水,2018,54(6):12-15. 李捷, 王宏利, 隋军. 昆明某城市污水处理厂进水特征分析[J]. 给水排水, 2015(增刊1):66-69. 陈丽琼, 茹婉红, 胡勇, 等. 生化需氧量测定方法的研究进展及现状[J]. 绿色科技, 2013(2):138-141. 江梅, 范云慧, 瑞凤霞. 五日生化需氧量(BOD5)测定时防止氨氮干扰的方法探讨[J]. 净水技术, 2010, 29(6):62-65. 期刊类型引用(25)
1. 陈肖,陈峰. 基于HLCMEA-SWRELM的水体pH值预测. 计算机应用与软件. 2024(02): 123-129 . 百度学术
2. 王彩玲,张国浩. 结合光谱降维的IPSO-SVR水体总磷浓度预测模型. 水土保持通报. 2024(02): 196-204 . 百度学术
3. 杜先君,柴俊伟. 基于优化特征选择的污水处理过程BOD神经网络软测量模型. 兰州理工大学学报. 2024(06): 85-91 . 百度学术
4. 倪浩然,张坤,陈曦,白晓波,郑守磊. 基于遗传-支持向量回归算法的计量标准稳定性预测研究. 计量与测试技术. 2024(12): 102-105+108 . 百度学术
5. 胡龙元,刘黎志. 基于改进鲸鱼算法优化GRU-CNN的溶解氧预测. 环境工程学报. 2024(10): 2957-2964 . 百度学术
6. 杨坪宏,胡奥,崔东文,杨杰. 基于数据处理与若干群体算法优化的 GRU/LSTM水质时间序列预测. 水资源与水工程学报. 2023(04): 45-53 . 百度学术
7. 罗学刚,吕俊瑞. 基于张量特征-GRU和多头自注意力机制的水质预测模型方法. 攀枝花学院学报. 2023(05): 89-96 . 百度学术
8. 吴瑞姣. 基于BP-SVR混合模型的古田水库总磷浓度遥感反演. 福建地质. 2023(03): 224-230 . 百度学术
9. 许浩然,陈中举,杨兆前,房梦婷,詹炜. 基于Prophet模型的湖北省月降水量预测. 节水灌溉. 2022(02): 7-12+20 . 百度学术
10. 董陈超,田明昊,赵伟朝. 基于GA优化的RF-Softmax水质预测模型研究. 湖北农业科学. 2022(07): 60-65+82 . 百度学术
11. 王昱文,杜震洪,戴震,刘仁义,张丰. 基于复合神经网络的多元水质指标预测模型. 浙江大学学报(理学版). 2022(03): 354-362+375 . 百度学术
12. 石翠翠,刘媛华,陈昕. 基于粒子群算法优化支持向量回归的水质预测模型. 信息与控制. 2022(03): 307-317 . 百度学术
13. 李俊禹,刘书明,吴雪,谢涛,金晔. 基于动态剪枝的城市供水管网优化调度算法. 环境工程. 2022(06): 226-232+153 . 本站查看
14. 白雯睿,杨毅强,朱雪芹. 基于VMDLSTNet的水质预测模型. 科学技术与工程. 2022(22): 9881-9889 . 百度学术
15. 史利涛. 基于数据挖掘的城市人居环境河流水质变化监测模型设计. 四川环境. 2022(04): 219-224 . 百度学术
16. 白雯睿,杨毅强,郭辉,朱雪芹. 基于VMD-CNN-LSTM的珠江流域水质多步预测模型研究. 四川轻化工大学学报(自然科学版). 2022(04): 66-74 . 百度学术
17. 白雯睿,杨毅强,李强. 引入小波分解的Seq2Seq水质多步预测模型研究. 现代电子技术. 2022(17): 100-105 . 百度学术
18. 盛家豪,钱进,王一桂,黄凤启. 基于GA-SVR的循环流化床锅炉床温预测. 智能计算机与应用. 2022(09): 105-109 . 百度学术
19. 凌从高,穆溪,许敏,王思晨,赵秋雨,江鹏. 湿地生态系统实际蒸散发数据驱动估算模型研究. 安徽农业大学学报. 2022(05): 771-779 . 百度学术
20. 曹斐,周彧,王春晓,任梦宇,周峰. 一种改进的支持向量回归的混凝土强度预测方法. 硅酸盐通报. 2021(01): 90-97 . 百度学术
21. 孟滔. 改进粒子群算法优化SVR水质预测模型研究. 农业与技术. 2021(03): 33-36 . 百度学术
22. 孟滔. 支持向量回归水质预测模型的研究进展. 绿色科技. 2021(08): 77-79 . 百度学术
23. 王旭生,王昕,孙晓川. 改进RVM预测海水水质. 计算机工程与设计. 2021(12): 3562-3568 . 百度学术
24. 梁小林,秦欢,陈敏茹,许奇,梁曌. 基于Adaboost-SVR模型的我国碳排放强度分析与预测. 经济数学. 2020(03): 167-174 . 百度学术
25. 何山,尹心安. 不同入流类型对生态流量管理效果的影响. 环境工程. 2020(10): 76-82 . 本站查看
其他类型引用(23)
-

计量
- 文章访问数: 302
- HTML全文浏览量: 56
- PDF下载量: 9
- 被引次数: 48