柳州一體化污水處理設備效果好

軟測量技術一般來說主要包含：輔助變量選取、數據預處理、軟測量建模和模型校正4個部分.輔助變量的選擇一般沒有通用性的指導方法，常根據具體對象通過理論和經驗分析，選取與主導變量相關的變量作為輔助變量.輔助變量選取過多會使后續建模較為復雜，而減少輔助變量可能丟失部分信息降低模型精度.主成分分析是統計學中用于降低高維數樣本直接的手段之一，同時還盡大的可能保持原有樣本的所有信息，從而被廣泛應用.軟測量技術的主體和核心是建立軟測量模型，建立模型的常規方法主要有：機理建模法、回歸分析法、神經網絡法和支持向量機方法等.其中，神經網絡和SVM這兩種同屬黑箱建模方法，不要求對象的確定內部機理，因此，比較適合復雜的污水處理過程，應用亦為廣泛.Dixon等(2007a)在一篇數據挖掘的文章中用神經網絡以進水流速、厭氧反應器內pH值、沼氣產量、甲烷產量和二氧化碳產量等5個變量為輸入變量對出水VFA進行預測，結果表明，神經網絡模型能夠較好的預測出水VFA值，但神經網絡是一種局部算法，易過擬合且對于神經網絡隱含層數和隱含層節點數的選擇并無理論上的指導.姚崇齡等(2006)提出了一種基于減法聚類的神經模糊網絡軟測量建模方法來預測VFA的值，仿真結果表明，該方法具有很好的擬合精度和預測精度，但模糊神經網絡需要大量的數據來確定模型參數，對于數據量較少的樣本并不適用.柳州一體化污水處理設備效果好