刘帮，秦斌，彭小玉

(湖南工业大学 电气与信息工程学院，湖南株洲 412007)

污水出水水质的SVR建模

刘帮，秦斌，彭小玉

(湖南工业大学 电气与信息工程学院，湖南株洲 412007)

针对污水处理过程中关键水质参数如生化需氧量(BOD)在线测量难的问题，利用Libsvm工具箱建立BOD的支持向量回归机(SVR)的软测量模型，并与文献[2]中所用神经网络的方法进行了比较，仿真结果表明：相对于神经网络算法结构性不足，SVR预测模型泛化性更好，预测精度更高，表现出更好的泛化性和预测精度。

支持向量回归机；生化需氧量；Libsvm；软测量

0 引言

随着序批式活性污泥法(SBR)自动化程度要求越来越高，在污水处理过程中获取准确的过程参数尤为重要。然而，目前污水处理过程中只有一些物理、化学参数能够实现在线测量，对一些关键过程参数如出水TN、TP、BOD等参数不能进行准确和有效的在线测量，使污水处理过程难以实现闭环控制[1]。虽然许多污水处理厂对污水指标参数的检测可以依靠人工化验得到的，但其化验结果具有一定程度的滞后性，尤其是BOD5指标，需要五天后才有结果，等知道水质不合格时，早已排出了大量的不合格水，造成了“二次污染”[2]。因此污水处理出水水质预测成为被广泛研究的重要问题。由于水处理过程中的高维非线性、时变、大滞后等问题，工艺机理和回归分析建模不仅需要完全掌握工艺机理，遵循严格的线性化假设条件，而且所需的基础资料与数据较多，所以很难建立精确的模型对其进行准确描述。……