江苏大学学报(自然科学版)

作者：刘鸿斌，杨冲

单位：南京林业大学 江苏省林业资源高效加工利用协同创新中心， 江苏 南京 210037

关键词：废水处理过程, 潜变量模型,核函数偏最小二乘, 高斯过程回归, 软测量

基金： 南京林业大学高层次人才科研启动基金资助项目（GXL029）

采取基于核函数偏最小二乘法的高斯过程回归模型（KPLSGPR），对复杂的造纸废水处理过程中出水化学需氧量（COD）和出水悬浮固形物（SS）质量浓度进行预测.首先，采用KPLS的潜变量作为预测模型的输入变量，以降低数据维度，优化数据结构；其次，建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验，引入人工神经网络（ANN）、基于偏最小二乘潜变量的预测模型（PLSANN）及基于核函数偏最小二乘潜变量的预测模型（KPLSANN）作为对比.试验结果表明：KPLS潜变量对预测模型有明显的优化效果，在这些模型中KPLSGPR预测精度最高；对于出水COD和SS质量浓度的预测，KPLSGPR的决定系数分别为0.575和0.610，相比于常规预测模型，决定系数可分别提升36.90%和43.87%.

来源：2020年第5期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2020年第5期