曹为阳　李明河

摘 要：现如今，我国水资源问题已经成为了人们生活中面临的重要问题之一。各工业废水和生活污水产生量急剧增多，大量没有经过处理的工业废水和城市污水直接排入了河流，使得水源水，特别是地表水体被大面积污染。针对这些的问题，提出了组合预测模型，并在原有模型的基础上提出了新的改进方法。

关键词：灰色预测；组合预测；污水处理；ELM

中图分类号：X832 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.16.085

在污水处理方面，应用比较多的算法模型有灰色预测模型和BP神经网络预测模型。在这项研究，以污水预测为目标，结合多个预测模型，建立组合预测模型，从而更有效、更准确地预测出水COD，在水质达标的同时实现节约能源。

1 组合预测模型

1.1 灰色预测动态模型

GM（1，1）动态预测模型是应用比较广泛的一种灰色动态预测模型，该模型中含有一个一阶变量的灰色微分方程。该预测模型是用于量化灰色数学中不确定的量。其实现主要有以下4个步骤：

根据上述离散的数据形式再还原成初始数据，即可求得所需的GM（1，1）数学预测模型。

1.2 ELM算法简介

极限学习机（Extreme Learning Machine，ELM）是一种新型的快速学习算法，针对单隐层前馈神经网络SLFN，可以随机初始化输入的数据权重和偏置，得到输出权重。针对一个训练的数据样本，只需关注隐含层神经元的输出层，忽略输入层和隐含层。

有M个互不一样的数据 ，设单隐层ELM神经网络包含P个隐含层的神经元可以无限小的逼近该M个互不一样的数据源，即存在ai，bi和βi（i=1，2，…，L）使下式成立：

2 对污水处理的效果分析

从污水处理厂获取数据样本后，对所获得的数据样本进行预处理，去掉误差较大的干扰数据。经试验仿真得到，出水COD的均方误差RMSE是0.924 0，其预测误差效果如图1所示。

从图1中可以看出，该融合算法能够比较准确地预测出水COD参数，而且预测精度比较高。另外，其误差精度比较小，能够满足日常污水处理的排放指标。由此可知，组合预测模型在污水处理预测上比单个预测模型的预测精度更高，效果更好。

3 结束语

经济、高效的污水处理技术对促进污水回收再利用，缓解日益恶化的水环境污染所带来的压力具有深远而重大的意义。本文提出了多传感器数据融合方法，为选择合适的污水处理方法提供了理论基础。综合考虑和对比其他融合方法，多传感器数据融合方法的仿真结果满足了融合的要求，融合后的误差效果优于单个算法。

参考文献

[1]王波，郭夜白，高来斌，等.最优加权预测在吉林省粮食产量预测中的应用[J].吉林农业大学学报，2008，30（5）.

[2]史峰，王辉，郁磊，等.MATLAB智能算法30个案例分析[M].北京：北京航空航天大学出版社，2011.

〔编辑：白洁〕