[发明专利]一种基于稀疏自编码和极限学习机的水质软测量方法

说明书

本发明公开了一种基于稀疏自编码和极限学习机的水质软测量方法，该方法在污水处理的应用中，将稀疏自编码方法与极限学习机方法相结合，兼顾极限学习机的学习速度极快、模型估计精度高以及稀疏自编码针对非线性数据降维提取特征值等特点，能够实现快速有效的估计污水处理中关键水质的浓度，在保证性能的前提下，结合多次再采样求平均值的方法有效降低了计算复杂度。将该方法应用在污水处理氨氮离子浓度的软测量上，可以实现快速准确估计氨氮离子的浓度，从而实现了针对污水处理中关键组分的软测量效果，降低因为传感器成本对污水处理工艺的约束与限制，进一步为污水处理工艺的提升以及出水水质的改善提供支持。

技术领域

本发明涉及控制科学与工程、环境科学与工程领域，尤其涉及一种基于稀疏自编码和极限学习机的水质软测量方法。

背景技术

全世界的水资源储量丰富，但其中淡水资源仅占2.53％，并且主要以深层水和冰川为主，湖泊和河流的淡水仅仅占淡水资源的0.3％，所以人类可利用的淡水资源是非常有限的。同时人类对水资源的开发与利用不合理，导致水资源被大量浪费、被污染，进一步压缩了可利用水资源的空间。同时被污染的水资源会对环境造成破坏，植被衰退，动物死亡等，还会危害人类社会，危急人类身体健康及生命安全。所以水资源整治是一项具有重大意义的研究课题，而污水处理则是其中一种非常有效的手段，通过将人类社会产生的各种污水进行净化，在水质达标后排放进江河湖泊或者无害化利用，不仅可以避免对环境与人类社会造成破坏，同时也可以缓解由于人类社会过度发展导致的水资源短缺问题。

目前世界上大部分的污水处理都采用厌氧好氧的生化反应来实现对于污水的处理，采用这一方法的主要原因是污水中含有大量的有机物，这些有机物来自于垃圾填埋场、居民生活废水、制药厂、食品厂等诸多场景中，有机物中最主要的含量就是氮元素，而氨氮还来源于焦化厂、化肥厂、石化厂等，含有大量氨氮离子的废水排入自然界会使得水体富养化并黑臭，还会对人类及生物产生毒害作用。所以对污水处理厂出水水质的氨氮例子浓度进行检测较为重要。但同时目前专门检测的传感器存在有高度的不可靠性且成本较高，为了能够实现较为精准且快速的检测，很多软测量方法被提出，但是由于污水处理过程的复杂性以及高度耦合的组分之间的互相影响，会进一步约束现有软测量方法的效果，为了进一步提升软测量效果，本发明提出了一种基于稀疏自编码和极限学习机的水质软测量方法来克服现有的困难。

发明内容

为了实现对于污水处理水质中的某些较难测量组分的快速估计，便于工作人员及时调整控制策略，很多科研工作尝试利用机器学习的方法来实现对于这些较难测量组分的软测量方法，但是由于污水处理是一个非常复杂，且耦合性很强的系统，并且变量种类复杂多样，很难人为进行分离不同种类的组分。针对于此，本发明提出一种基于稀疏自编码和极限学习机的水质软测量方法，该方法能够快速对多种组分进行分离，并快速准确地估计污水处理反应中难测量关键组分，从而为技术人员及时调节控制策略提供合理指导。

本发明的目的是通过以下技术方案实现的：一种基于稀疏自编码和极限学习机的水质软测量方法，该方法包括以下步骤：

(1)获取样本数据：从污水处理过程中获取N₀组样本数据每组输入向量X_i表征若干种污水水质成分，对应的期望输出T_i表征出水水质中的氨氮离子浓度。

(2)采用抽样方式对样本数据进行压缩，具体为：在[1,10]之间随机选择整数初始值a，采用每隔10点采集一次，则得到一批次压缩十倍的数据反复进行抽样，每次重新设定初始值a，得到p批次样本数据。

(3)样本数据归一化：针对每一批次样本数据分别进行去量纲化，将不同量纲的数据归一化至[-1,1]之间，得到归一化后的样本数据x。

(4)根据稀疏自编码器对数据进行降维，具体为：

从输入层到隐层有：

h＝f(W₁x+b₁)