基于pso-SVM的废水厌氧处理过程软测量模型

由于厌氧消化过程的复杂性和厌氧菌的敏感性，保持厌氧消化体系的稳定和高效性是比较困难的.本文在实验室采用IC反应器构建了一套厌氧废水处理系统处理人工合成废水，基于支持向量机（SVM）提出了一种预测废水厌氧处理系统出水挥发性脂肪酸（VFA）浓度和COD去除率的软测量模型.为了提高模型的精确性和鲁棒性，加入pso算法（粒子群算法）优化SVM模型，并引入了分类策略对元数据集进行有效分类.仿真结果表明，基于pso-SVM模型的软测量模型对厌氧废水处理系统出水VFA浓度和COD去除率具有较好的预测能力，模型预测系统COD去除率及出水总VFA浓度测试样本数据相关系数分别为65.86%、85.25%；加入分类策略后，元数据集分成两类，模型预测系统COD去除率测试样本数据相关系数分别为92.34%、83.41%；模型预测系统出水总VFA浓度测试样本数据相关系数分别为99.14%、99.59%，系统预测精度明显提高.引入分类策略对元数据集进行有效分类，基于pso-SVM的软测量模型可为监控、优化和理解厌氧消化过程提供指导