基于ls-svm的厌氧发酵过程软测量建模研究

《基于ls-svm的厌氧发酵过程软测量建模研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、SouthChinaUniversityofTechnology硕士学位论文基于LS-SVM的厌氧发酵过程软测量建模研究作者姓名___________刘博学科专业_________环境工程指导教师万金泉教授所在学院环境与能源学院论文提交日期2015年5月ModelingofsoftmeasurementforanaerobicdigestionbasedonLS-SVMADissertationSubmittedfortheDegreeofMasterCandidate：LiuBoSupervisor：Prof.WanJinquanSouthChinaUniversit

2、yofTechnologyGuangzhou,China分类号：TP3学校代号：10561学号：201220117886华南理工大学硕士学位论文基于LS-SVM的厌氧发酵过程软测量建模研究作者姓名：刘博指导教师姓名、职称：万金泉教授申请学位级别：工学硕士学科专业名称：环境工程研究方向：水污染控制与给水技术论文提交日期：2015年6月22日论文答辩日期：2015年6月5日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：胡勇有委员：吕斯濠任源周兴求李平华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果

3、。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：今^1

4、日期：年(月？日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，艮P:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论

5、文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：1『，在年解密后适用本授权书。I密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。(请在以上相应方框内打“V”）作者签名：女曰期：指导教师签名:曰期：域•摘要厌氧发酵生物处理技术在去除有机污染物的同时可以回收能源，为解决能源与环境问题提供了一条切实可行的途径，然而厌氧发酵是一个非线性、复杂的生化过程，特别是产甲烷菌对环境的改变非常敏感，因此为保持厌氧发酵过程稳定高效稳定

6、运行，就需要对厌氧反应过程进行合理的监测与控制。但是现实中厌氧发酵的监测与控制都是相当困难的，这一方面是因为一些影响厌氧发酵过程进行的重要过程参数缺乏可靠的在线监测设备，另一方面是因为厌氧发酵过程的非线性特性使得过程建模比较困难。传统中，对于第一个问题的解决思路是开发更加先进的在线监测设备，对于第二个问题则是在大量假设的基础上建立厌氧发酵过程的简化数学模型。近年来，基于推断控制的软测量技术为解决上述两个难题提供了新的思路。在软测量建模方法中支持向量机具有更为严格的理论和数学基础，其泛化性能好，不存在局部最小问题，特别适用于解决小样本、非线性、高维数等问题，因此本文在论述

7、了软测量基本理论之后，利用最小二乘支持向量机智能算法研究厌氧发酵过程出水VFA和COD软测量建模及模拟预测问题，得到以下成果：颗粒污泥可以加速厌氧反应器的启动，但环境的改变会导致厌氧发酵类型的改变。短时间的冲击负荷会影响厌氧发酵系统运行的稳定性，其中水力冲击的影响最大，浓度冲击影响次之，零碱度冲击影响最小。冲击负荷会使厌氧发酵系统的pH值下降，ORP上升，甲烷含量下降，二氧化碳含量上升，出水COD和VFA增加，但是各个变量的响应速度和变化规律不尽相同。主成分分析能够用于分析多变量之间的关系，同时有效降低建模输入变量维数，有效降低后续建模的复杂度。基于LS-SVM的VFA

8、稳态软测量模型厌氧废水处理系统出水VFA具有很好的仿真预测能力，测试样本的最大相对误差为4.72%，平均相对百分比误差为1.61%，均方根误差为1.08，整体预测数据与实际数据的相关系数达0.9996；稳态干扰模型，由于数据幅度变大，模型对厌氧废水处理系统出水VFA的仿真预测精度有所降低，但整体上模型的预测值与实际值的相关系数仍然高达0.9984。基于LS-SVM的COD稳态软测量模型训练时最大相对误差为11.45%，平均百分百误差为0.79%，均方根误差为3.04，测试时，性能有所降低，但整体上模型预测数据与实际数据的相关系数依然可以达