基于組合預測模型污水處理水質預測的研究

曹為陽　李明河

摘 要：現如今，我國水資源問題已經成為了人們生活中面臨的重要問題之一。各工業廢水和生活污水產生量急劇增多，大量沒有經過處理的工業廢水和城市污水直接排入了河流，使得水源水，特別是地表水體被大面積污染。針對這些的問題，提出了組合預測模型，并在原有模型的基礎上提出了新的改進方法。

關鍵詞：灰色預測；組合預測；污水處理；ELM

中圖分類號：X832 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.16.085

在污水處理方面，應用比較多的算法模型有灰色預測模型和BP神經網絡預測模型。在這項研究，以污水預測為目標，結合多個預測模型，建立組合預測模型，從而更有效、更準確地預測出水COD，在水質達標的同時實現節約能源。

1 組合預測模型

1.1 灰色預測動態模型

GM（1，1）動態預測模型是應用比較廣泛的一種灰色動態預測模型，該模型中含有一個一階變量的灰色微分方程。該預測模型是用于量化灰色數學中不確定的量。其實現主要有以下4個步驟：

根據上述離散的數據形式再還原成初始數據，即可求得所需的GM（1，1）數學預測模型。

1.2 ELM算法簡介

極限學習機（Extreme Learning Machine，ELM）是一種新型的快速學習算法，針對單隱層前饋神經網絡SLFN，可以隨機初始化輸入的數據權重和偏置，得到輸出權重。針對一個訓練的數據樣本，只需關注隱含層神經元的輸出層，忽略輸入層和隱含層。

有M個互不一樣的數據 ，設單隱層ELM神經網絡包含P個隱含層的神經元可以無限小的逼近該M個互不一樣的數據源，即存在ai，bi和βi（i=1，2，…，L）使下式成立：

2 對污水處理的效果分析

從污水處理廠獲取數據樣本后，對所獲得的數據樣本進行預處理，去掉誤差較大的干擾數據。經試驗仿真得到，出水COD的均方誤差RMSE是0.924 0，其預測誤差效果如圖1所示。

從圖1中可以看出，該融合算法能夠比較準確地預測出水COD參數，而且預測精度比較高。另外，其誤差精度比較小，能夠滿足日常污水處理的排放指標。由此可知，組合預測模型在污水處理預測上比單個預測模型的預測精度更高，效果更好。

3 結束語

經濟、高效的污水處理技術對促進污水回收再利用，緩解日益惡化的水環境污染所帶來的壓力具有深遠而重大的意義。本文提出了多傳感器數據融合方法，為選擇合適的污水處理方法提供了理論基礎。綜合考慮和對比其他融合方法，多傳感器數據融合方法的仿真結果滿足了融合的要求，融合后的誤差效果優于單個算法。

參考文獻

[1]王波，郭夜白，高來斌，等.最優加權預測在吉林省糧食產量預測中的應用[J].吉林農業大學學報，2008，30（5）.

[2]史峰，王輝，郁磊，等.MATLAB智能算法30個案例分析[M].北京：北京航空航天大學出版社，2011.

〔編輯：白潔〕