基于多属性高斯核函数快速相关向量机的污水在线软测量方法技术

本发明专利技术公开了一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，包括：使用多属性高斯核函数来构造快速相关向量机的贝叶斯矩阵；建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型；采用滑动窗口技术建立滚动时间窗将模型数据和参数随着滚动时间窗的滚动进行在线更新；实时预测出水水质BOD、COD浓度的输出。该方法在快速相关向量机的基础上引入多属性高斯核函数，增强了核函数的局部性能以及全局性，提出滑动窗口技术将模型数据和参数随着滚动时间窗的滚动进行在线更新，增强了在线校正的有效性，有效提高了出水水质预测的实时性和精度。

【技术实现步骤摘要】

本专利技术涉及污水处理软测量的
，尤其是指一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法。
技术介绍
传统污水处理方法种类多样，主要有物理法、化学法、生物法等。我国现阶段的城市污水处理主要以生物法为主。但是，污水处理过程中，控制对象具有高度的非线性、时变、大滞后等特点。控制过程要考虑多项质量指标，且一直处于外部环境的动态扰动之中。另外，在线检测手段匮乏，许多过程变量缺乏稳定可靠的实时监测仪表。污水处理的复杂性和测量仪表的缺陷，致使生化过程无法得到有效控制和处理，存在一大类难以测量或不易在线测量的参数。为了提高出水合格率，节能降耗，降低运行成本，提高系统可靠性，需要对污水处理厂密切相关的过程变量进行实施监测和控制。软测量技术以建模简单、方法多样，预测效果可观等优势，为这个难题提供了一个很好的解决方案。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出了一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法。首先，通过多属性高斯核函数(MAG)来构造贝叶斯矩阵。再在相关向量机(RVM)的基础上引入快速边际似然算法来学习模型的超参数,建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型(MAG-FASTRVM)。最后采用滑动窗口技术建立滚动时间窗，用若干组污水历史数据建立初始模型，剩下若干组污水数据用于新数据，建立MAG-FASTRVM的污水在线软测量模型，实时预测出水水质BOD、COD浓度的输出。本专利技术的目的通过下述技术方案实现：一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，包括下列步骤：S1、通过多属性高斯核函数(MAG)来构造贝叶斯矩阵，增强了核函数的局部性能以及全局性能，所需的核参数个数对比于多样本核相对较少；S2、在相关向量机(RVM)的基础上引入快速边际似然算法来学习模型的超参数，建立基于贝叶斯框架下的多属性高斯核函数快速相关向量机模型(MAG-FASTRVM)。快速相关向量机中引入快速边际似然算法，其中基函数的选择是采用自下而上的方法，即令基函数个数从1开始不断增加直至获取相关向量，超参数更新时涉及的矩阵计算复杂度只与当前模型中存在的基函数个数有关，可以对训练样本的超参进行快速估计，去除训练样本的大量非相关向量，保证了模型的稀疏性，减少训练时间；S3、采用滑动窗口技术建立滚动时间窗，利用滚动时间窗内的数据优化建模，将模型数据和参数随着滚动时间窗的滚动进行在线更新；S4、设置滚动窗口长度L，移动长度R，用若干组污水历史数据建立初始模型，剩下若干组污水数据用于新数据，建立MAG-FASTRVM的污水在线软测量模型，实时预测出水水质BOD、COD浓度的输出。进一步的，所述步骤S1具体为：MAG核的形式如下： k ( x m , x n ) = exp ( - Σ k = 1 d η k ( x m k - x n k ) 2 ) ]]>其中Xm表示第m个样本，Xn表示第n个样本，其中m,n∈(1,2,...,N)。样本的每个属性均有对应的核参数，ηk表示第k个核参数。定义d是输入样本的属性个数，多属性高斯核参数可表示为：η＝(η1,η2,...,ηd)。令φ(xn)＝[1,k(xn,x1),k(xn,x2),...,k(xn,xN)]T，它为(N+1)×1维矩阵，则MAG核构成的贝叶斯矩阵可表示为：Φ＝[φ(x1),φ(x2),...,φ(xn)]T，其是N×(N+1)维的矩阵。进一步的，所述步骤S2为：S21、初始化核参数，并建立MAG核贝叶斯矩阵Φ，设定初始噪声方差δ2；S22、通过探索式方法获得初始基向量φi＝φ(xi)，并设置其他的超参数：令αm(m≠i)为无穷大(例如令αm＝109)，令S23、初始化所有基函数φm的稀疏因子sm和质量因子qm，计算协方差矩阵Σ、权值矩阵μ；S24、计算每个候选基向量φi对应的值，并与零作比较；S25、如果基向量φi在模型中，且有θi＞0，αi＜∞，则重新计算超参数αi；S26、如果基向量φi不在模型中，且θi＞0，αi＝∞，添加基向量φi到模型中并重新计算超参数αi；S27、若θi≤0且αi＜∞，删除基向量φi并设置超参数αi＝∞；S28、计算噪声方差其中N为样本个数，M为基函数个数；S29、更新稀疏因子sm和质量因子qm，并且迭代估计协方差矩阵Σ，权重矩阵μ；S210、若收敛或者达到最大迭代次数，则程序终止，并且输出权值、噪声方差、相关向量机个数，否则转到S24。进一步的，所述步骤S4具体为：假设最新的污水数据输入属性为xnew，实际的COD、BOD出水参数值为ynew，则出水参数的在线更新算法如下步骤：S41、设置滚动窗口长度L＝200，将最早的200组数据作为初始数据窗，并用初始数据窗内的数据作为初始训练样本，根据步骤S2中快速相关向量机建模步骤建立初始模型；S42、对新来的数据xnew进行预测并计算偏差；S43、使数据窗进行滚动R＝1，将新来的数据(xnew,ynew)加进训练样本中，并丢弃最早的一组数据，更新训练样本；S44、利用数据窗内的数据重新建立模型，进行预测；S45、返回步骤S42，直到所有新数据测试完为止。本专利技术相对于现有技术具有如下的优点及效果：1)本专利技术方法采用多属性高斯核函数构造相关向量机的贝叶斯矩阵，增强了核函数的局部性能以及测试点相距较远的点对核函数的影响，所需的核参数个数对比于多样本核，也相对较少，适合污水历史数据庞多，特征属性迥异的特点。2)本专利技术采用滑动窗口技术建立滚动时间窗，将模型数据和参数随着滚动时间窗的滚动进行在线更新，基于此建立了MAG-FASTRVM的污水在线软测量模型，增强了出水水质BOD、COD输出浓度预测的实时性和精度。附图说明图1是本专利技术中依据基于多属性高斯核函数快速相关向量机的污水在线软测量方法的流程图；图2(a)是本实施例步骤S4中MAG-FASTRVM模型关于BOD的在线预测图；图2(b)是本实施例步骤S4中MAG-FASTRVM模型关于COD的在线预测图；图3(a)是本实施例步骤S4中R本文档来自技高网...

【技术保护点】
一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，其特征在于，包括以下步骤：S1、通过多属性高斯核函数构造快速相关向量机的贝叶斯矩阵Φ；S2、在相关向量机的基础上引入快速边际似然算法来学习模型的超参数，建立基于贝叶斯矩阵Φ的多属性高斯核函数快速相关向量机模型；S3、采用滑动窗口技术建立滚动时间窗，利用滚动时间窗内的数据优化建模，将模型数据和参数随着滚动时间窗的滚动进行在线更新；S4、设置滚动窗口长度L，移动长度R，用若干组污水历史数据建立初始模型，剩下若干组污水数据用于新数据，建立基于贝叶斯矩阵Φ的多属性高斯核函数快速相关向量机的污水在线软测量模型，实时预测出水水质生物需氧量BOD以及化学需氧量COD的浓度输出。

【技术特征摘要】
1.一种基于多属性高斯核函数快速相关向量机的污水在线软测量方法，其特征在于，包括以下步骤：S1、通过多属性高斯核函数构造快速相关向量机的贝叶斯矩阵Φ；S2、在相关向量机的基础上引入快速边际似然算法来学习模型的超参数，建立基于贝叶斯矩阵Φ的多属性高斯核函数快速相关向量机模型；S3、采用滑动窗口技术建立滚动时间窗，利用滚动时间窗内的数据优化建模，将模型数据和参数随着滚动时间窗的滚动进行在线更新；S4、设置滚动窗口长度L，移动长度R，用若干组污水历史数据建立初始模型，剩下若干组污水数据用于新数据，建立基于贝叶斯矩阵Φ的多属性高斯核函数快速相关向量机的污水在线软测量模型，实时预测出水水质生物需氧量BOD以及化学需氧量COD的浓度输出。2.根据权利要求1所述的基于多属性高斯核函数快速相关向量机的污水在线软测量方法，其特征在于，所述多属性高斯核函数的形式如下： k ( x m , x n ) = exp ( - Σ k = 1 d η k ( x m k - x n k ) 2 ) , ]]>其中Xm表示第m个样本，Xn表示第n个样本，其中m,n∈(1,2...

【专利技术属性】
技术研发人员：许玉格，孙称立，刘莉，邓晓燕，罗飞，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44