[发明专利]基于极限学习机的工业污水COD在线软测量方法

说明书

技术领域

本发明属于软测量技术领域，具体涉及一种基于极限学习机的工业污水COD（COD,Chemical Oxygen Demand）在线软测量方法，用于实时在线监测工业污水COD的浓度。 

背景技术

当前国家大力倡导节能减排，企业开始加强对工业污水质量的实时监控，以此根据当前的污水状态及时有效地调整流程工业的闭环控制，保证工业污水排放的标准。 

为了对工业污水处理过程中水质的主要指标COD进行实时监测控制，国内外开发出监控仪表，对其进行监测，价格昂贵，维修成本高，在线软测量技术是随着现代流程工业复杂化、智能化发展后的一大新型软仪表，通过软测量技术的思想，可根据现场即有设备监测的数据，采用数据驱动的原理，融合构建出对被测参数的预测模型，以此代替传统的硬件检测的新方法，只需在现场将含有预测算法的微处理器与远程工控机进行数据的传输、处理、分析及决策，就能得到对被测参数的估计，既可降低成本，又能提高现场对检测数据的分析能力。 

因此，本发明利用软测量方法，采用不同于传统监测仪表的方式，通过对其他易获取的影响工业污水COD的指标的间接检测，根据数据的驱动原理，构建预测模型，实现对预测工业污水COD的监测，为现场监控系统提供必要的数据处理和分析功能；另外，针对工业污水COD的时变、非线性特性，本发明所采用的极限学习机(ELM,Extreme Learning Machine)方法，相比于现有的前馈神经网络，它具有高度容错、快速处理、逼近精度高、泛化能力强的特点，更适 合非线性时变的系统，所以本发明采用极限学习机的软测量技术，能够为工业污水COD的预测提供一种低成本的监测方法。 

发明内容

本发明的目的在于提供基于极限学习机的工业污水COD在线软测量方法，通过极限学习机模型能有效提高工业污水COD在线软测量的时效性和准确性。 

本发明的技术方案如下：基于极限学习机的工业污水COD在线软测量方法，其关键在于按如下步骤进行： 

1、基于极限学习机的工业污水COD在线软测量方法，其特征在于按如下步骤进行： 

步骤一：确定影响工业污水COD的六个变量(悬浮固体浓度、进水COD、PH值、氨氮、溶解氧以及总磷)，通过相应的传感器将六个变量的实时数据采集到上位机； 

步骤二：采样数据的预处理，包括去除粗大误差数据，消除噪声，进行标准化处理，消除不同测量变量量纲的影响； 

步骤三：软测量模型极限学习机的隐含层节点数、输出层激活函数、激活函数等参数的确定； 

步骤四：对于N个不同的样本(x_i,t_i)，x_i＝[x_i1,x_i2,...,x_in]^T∈Rⁿ，t_i＝[t_i1,t_i2,...,t_im]^T∈R^m，极限学习机(ELM,Extreme Learning Machine)数学可以表示为:Hβ＝T，其中N为样本个数，n为输出矩阵维数，m为输出矩阵维数，x_i为输入变量，t_i为输出层输出变量，H为隐含层输出矩阵，β为隐含层神经元和输出神经元的连接权重矩阵，T输出层输出矩阵。通过求取Hβ＝T的最小范数最小二乘解可以得到全局唯一最小值； 

步骤五：利用训练好的模型来测量工业污水COD，通过平均绝对百分误差(MAPE,Mean Absolute Percentage Error)、平均训练时间、拟合优度（U,Goodness  of Fit）这三项性能指标可以得出极限学习机的时效性、准确性。 

2、根据权利要求1所述的基于极限学习机的工业污水COD在线软测量方法，其特征在于步骤一中对影响工业COD六个变量的选取，从所有可能影响工业污水COD的变量中，通过分析求得悬浮固体浓度、进水COD、PH值、氨氮、溶解氧以及总磷这个六个变量作为影响工业污水COD的六个变量。