[发明专利]基于极限学习机的工业污水COD在线软测量方法

摘要

本发明公开一种基于极限学习机(ELM,Extreme Learning Machine)的工业污水化学需氧量(COD,Chemical Oxygen Demand)在线软测量方法，其特征主要包括以下步骤：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)；二、将影响工业污水COD的六个辅助变量作为ELM的输入变量，COD作为ELM的预测输出变量；三、确定ELM的隐层节点数和激励函数并选取训练集和测试集；四、根据所确定的训练集建立ELM软测量模型，并用测试集检验模型的有效性；五、ELM模型的输出为工业污水COD。本发明通过软测量达到工业污水在线软测量的目的，具有运行速度快，预测精度高的效果，同时取代传统在线分析仪表，降低企业的投入及维修成本。

主权项

基于极限学习机的工业污水COD（COD,Chemical Oxygen Demand）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为隐层输出矩阵，β为隐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。