引用本文:
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  【EndNote】   【RefMan】   【BibTex】
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 2223次   下载 80 本文二维码信息
码上扫一扫!
分享到: 微信 更多
基于CBR和SVR的生化需氧量预测模型
严爱军,倪鹏飞,于远航,王普
作者单位
严爱军 北京工业大学信息学部自动化学院, 北京 100124;计算智能与智能系统北京市重点实验室, 北京 100124;数字社区教育部工程研究中心, 北京 100124 
倪鹏飞 北京工业大学信息学部自动化学院, 北京 100124;数字社区教育部工程研究中心, 北京 100124 
于远航 北京工业大学信息学部自动化学院, 北京 100124;数字社区教育部工程研究中心, 北京 100124 
王普 北京工业大学信息学部自动化学院, 北京 100124;数字社区教育部工程研究中心, 北京 100124;城市轨道交通北京实验室, 北京 100124 
摘要:
针对污水处理过程生化需氧量(BOD)浓度难以实时监测的问题,建立了一种基于支持向量回归机(SVR)修正方法的案例推理(CBR)预测模型。该模型主要包括案例检索、案例重用、SVR修正、案例存储等4个部分,其中,SVR修正模型是利用历史数据构造修正案例库,并采用SVR训练而获得的,可以对传统CBR求解模型得到的BOD浓度建议值进行修正。实验表明本文模型的拟合误差优于支持向量机(SVM)、BP神经网络、RBF神经网络以及传统CBR方法,说明SVR修正方法的引入可以改善CBR的回归性能,提高CBR的学习能力。
关键词:  生化需氧量  支持向量回归机  案例推理  案例修正
DOI:10.14135/j.cnki.1006-3080.2017.02.012
分类号:
基金项目:国家自然科学基金(61374143);北京市自然科学基金(4152010)
Prediction Model for Biochemical Oxygen Demand Based on CBR and SVR
YAN Ai-jun,NI Peng-fei,YU Yuan-hang,WANG Pu
Abstract:
For the problem of monitoring biochemical oxygen demand (BOD) concentration in wastewater treatment process,a case-based reasoning (CBR) prediction model based on support vector regression machine (SVR) is established in this paper.This model is composed of a case retrieval,a case reuse,a SVR revision and a case retention.The SVR revision model is obtained using the SVR training to revise the BOD concentration suggested from the traditional CBR model.The experiment results indicate that the fitting error of this model is lower compared with the support vector machine (SVM),the BP neural network,RBF neural network and the traditional CBR method.The application of SVR can effectively improve the regression performance and the learning ability for a traditional CBR model.
Key words:  biochemical oxygen demand  support vector regression  case-based reasoning  case revision

地址:上海市梅陇路130号华东理工大学研究生楼1015室 邮编:200237

电话:021-64253812 传真:021-64253812 电子信箱: ecustxbb@ecust.edu.cn