机器学习算法在化工废水水质预测模型中的构建与应用

智高 莫, 斌 王, 梁良 陈

摘要


以广东省某炼化企业2023年出水水质数据为基础，开发适配高波动性炼化污水的COD预测模型，采用Bootstrap加上随机插值法填补缺失之处，采用Hampel算法清除离群数值，构造BP - NN以及SVR模型，继而引入MPSO与GS实现参数优化，MPSO - BP - NN模型展现出最优的预测性能。测试集的R2为0.81这一数值，MAPE为2.58个百分点，具备突出的泛化实力，该方法能为污水处理系统的调控提供相关理论支撑。

关键词


炼化污水；COD预测；机器学习；BP神经网络；MPSO优化

全文:

PDF

参考


汪锐，余雅丹，潘志成，等.模拟预测模型在污水处理中的应用：现状与挑战[J].水处理技术，2022，48（06）：20-23+29.

陈霖，刘浩威，王庆宏，等.基于机器学习算法的炼化污水厂出水水质预测模型研究[J/OL].工业水处理，1-23[2025-05-21].

陈霖，晏欣，李巨峰，等.基于优化机器学习的炼化企业污水场均质池出水水质预测研究[J].给水排水，2024，60（10）：159-168.




DOI: https://doi.org/10.12238/jpm.v6i11.8545

Refbacks

  • 当前没有refback。


Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。