基于LS-SVM解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法技术

方法涉及一种基于最小二乘支持向量机的磷石膏有害杂质可溶磷、氟淋洗去除的条件优化方法。获取磷石膏有害杂质淋洗过程中，影响可溶磷、氟去除率的诸多变化信号，如液固比，淋洗时间，淋洗温度，搅拌速率为影响因子，以磷石膏中可溶性磷和氟的洗脱率作为响应值，得到条件数据样本集；建立基于支持向量机的磷石膏可溶磷、氟去除率条件优化模型，并采用最小二乘算法对所述磷石膏可溶磷、氟去除率条件优化模型进行参数寻优，将所述条件特征矩阵分为训练样本和测试样本，利用已训练的条件优化模型对测试样本进行分类，根据分类结果，识别磷石膏可溶磷、氟去除条件影响大小，从而找到磷石膏淋洗的最佳条件。洗的最佳条件。洗的最佳条件。

【技术实现步骤摘要】
基于LS
‑
SVM解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法


[0001]本方法涉及磷石膏无害化综合利用领域，特别涉及磷石膏可溶磷、氟淋洗工艺参数的优化及去除率的预测。

技术介绍

[0002]磷石膏是磷化工企业在生产磷酸时，采用湿法工艺所排放的一种固体工业废渣，是最主要的工业副产石膏之一。
[0003]磷石膏内部杂质元素众多，主要包含磷类、可溶性氟类、有机添加剂、碱金属元素以及放射性元素等，磷石膏中的可溶磷、氟等污染物浸出会污染地下水，破坏生态环境，危害人体健康。通过水洗的方式除杂，可以去除磷石膏中大量的可溶磷、氟。但是水洗时的颗粒粒径、液固比、淋洗时间、淋洗温度、搅拌速率都会影响磷石膏中磷和氟的去除率。
[0004]原始的响应面只能解决显示功能函数的可靠度问题。采用基于最小二乘支持向量机(LS
‑
SVM)的结构可靠度响应面分析方法，该方法用等式约束代替了不等式约束，其算法可以转化为线性方程组，具有求解速度快的优点。

技术实现思路

[0005]为了优化磷石膏淋洗的最佳条件，使磷石膏中的可溶磷和可溶氟去除率最大化，本方法提供了一个减少优化实验次数，求解速度准确快速的思路。
[0006]一种基于LS
‑
SVM解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法包括如下步骤：
[0007]步骤1：将磷石膏通过筛子对粒径进行分级，然后将不同粒径的样品放入的烘箱中烘干5
‑
20h,再选取已烘干的样品，留作备用。精确称取磷石膏样品，置于圆底烧瓶中，按照液固比加入洗涤水，在一定温度，一定转速下反应一定的时间，后及时抽滤，保留滤液，烘干滤渣；
[0008]步骤2：分别对液固比(2：1～14：1)，淋洗时间(5～60min),淋洗温度(45℃～95℃)，搅拌速率(100r/min～600r/min)进行单因素实验并记录可溶磷、氟的去除率作为条件数据样本集；
[0009]步骤3：随机从数据样本集抽取样本并构建作为初始特征集，并计算每个特征值的拉普拉斯分值组成磷石膏有害杂质淋洗条件特征矩阵；建立基于最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型；
[0010]步骤4：对最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型进行参数寻优，寻优参数包括核函数参数σ和误差惩罚因子C；
[0011]采用粒子群算法来对所述最小二乘支持向量机磷石膏淋洗条件优化及预测模型的核函数参数σ和误差惩罚因子C进行参数优化的具体步骤为：
[0012]1.初始化粒子群，在一定范围内随机产生一群粒子并为每个粒子分配随机速度。
[0013]2.对每一个粒子i，依次采用和计算得到回归模型的参数并预测输出，利用式(1)评估粒子性能。
[0014][0015]y
i,exp
为测试样本的真实输出；y
i,pred
为LS
‑
SVM的预测输出；N
test
为测试样本个数。
[0016]3.对每个粒子i，将其性能与个体历史pbest
i
最优作比较，如果当前粒子较优，则用当前位置替换pbest
i
。将pbest
i
中的最优位置与gbest做比较，如果前者较优，则用其替换gbest。
[0017]4.采用式(2)(3)更新每个粒子的速度和位置。
[0018][0019][0020]η为惯性权重；r1和r2为0～1之间的随机数；c1和c2为学习因子。
[0021]5.重复步骤2～4直到满足终止条件：粒子不再进行位置更新，或已经进行到预定的迭代次数。并将优化后的参数组合(σ,C)输入到最小二乘支持向量机磷石膏淋洗条件优化及预测模型中。
[0022]步骤5：采用决定系数(R2)、平均绝对相对偏差(AARD)和均方根误差(RMSE)来评价LS
‑
SVR的性能。
[0023][0024][0025][0026]y
i,exp
为测试样本的真实输出；y
i,pred
为LS
‑
SVM的预测输出；n为测试样本个数。
[0027]步骤6：利用已训练的磷石膏淋洗条件优化及预测模型对测试样本进行预测的步骤包括：输入训练样本和测试样本，利用已训练的条件优化模型对测试样本进行分类，根据分类结果，识别磷石膏可溶磷、氟去除条件影响大小，从而找到磷石膏淋洗的最佳条件。
[0028]本专利技术通过获取磷石膏有害杂质淋洗过程中，影响可溶磷、氟去除率的诸多变化信号，如液固比，淋洗时间，淋洗温度，搅拌速率为影响因子，以磷石膏中可溶性磷和氟的洗脱率作为响应值，得到条件数据样本集；随后通过构建初始特征集，计算初始特征集中每个特征的拉普拉斯分值，组成磷石膏有害杂质淋洗条件特征矩阵；建立基于支持向量机的磷石膏可溶磷、氟去除率条件优化模型，并采用最小二乘算法对所述磷石膏可溶磷、氟去除率条件优化模型进行参数寻优，将所述条件特征矩阵分为训练样本和测试样本，利用已训练的条件优化模型对测试样本进行分类，根据分类结果，识别磷石膏可溶磷、氟去除条件影响
大小，从而找到磷石膏淋洗的最佳条件。
附图说明
[0029]图1是本专利技术条件优化的整体步骤流程图。
[0030]图2是本专利技术的粒子群优化算法计算流程示意图。
具体实施方式
[0031]请参考图1，本专利技术提出的基于LS
‑
SVM解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法，步骤包括：
[0032]步骤1：从单因素实验获取条件数据样本集；
[0033]将磷石膏通过筛子对粒径进行分级，然后将不同粒径的样品放入的烘箱中烘干5
‑
20h,再选取已烘干的样品，留作备用。精确称取磷石膏样品，置于圆底烧瓶中，按照液固比加入洗涤水，在一定温度，一定转速下反应一定的时间，后及时抽滤，保留滤液，烘干滤渣；
[0034]分别对液固比(2：1～14：1)，淋洗时间(5～60min)，淋洗温度(45℃～95℃)，搅拌速率(100r/min～600r/min)进行单因素实验并记录可溶磷、氟的去除率作为条件数据样本集；
[0035]步骤2：构建初始特征集,组成磷石膏有害杂质淋洗条件特征矩阵；
[0036]随机从数据样本集抽取样本并构建作为初始特征集，并计算每个特征值的拉普拉斯分值组成磷石膏有害杂质淋洗条件特征矩阵；
[0037]步骤3：建立基于最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型；
[0038]步骤4：对最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型进行参数寻优，寻优参数包括核函数参数σ和误差惩罚因子C；
[0039]采用粒子群算法来对所述最小二乘支持向量机磷石膏淋洗条件优化及预测模型的核函数参数σ和误差惩罚因子C进行参数优化的具体步骤为：
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LS
‑
SVM解决磷石膏可溶磷、氟淋洗去除条件优化及预测方法，其特征在于，所述方法包括如下步骤：步骤1：获取磷石膏有害杂质淋洗过程中，可溶磷、氟在不同的液固比，淋洗时间，淋洗温度，搅拌速率时的去除率，作为可溶磷、氟去除率的条件数据样本集；所述样本集包括基于最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型的输入量、实测输出量；步骤2：随机从数据样本集抽取样本并构建初始特征集，计算初始特征集中每个特征的拉普拉斯分值，组成磷石膏有害杂质淋洗条件特征矩阵；建立基于最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型；步骤3：对最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型进行参数寻优，寻优参数包括核函数参数σ和误差惩罚因子C；步骤4：用统计参数对最小二乘支持向量机的磷石膏可溶磷、氟去除率条件优化模型进行性能验证；步骤5：将所述条件特征矩阵分为训练样本和测试样本，利用已训练的条件优化模型对测试样本进行分类，根据分类结果，识别磷石膏可溶磷、氟去除条件影响大小，从而找到磷石膏淋洗的最佳条件。2.根据权利要求1所述的方法，其特征在于，步骤2采用最小二乘支持向量机建模包括：建立非线性回归模型，并根据风险最小化原理，同时考虑模型复杂度和训练误差，通过添加对应的拉格朗日函数以及选择径向基核函数，得到回归模型的表达式。3.根据权利要求1所述的方法，其特征在于，步骤3采用粒子群算法来对所述最小二乘支持向量机磷石膏淋洗条件优化及预测模型的核函数参数σ和误差惩罚因子C进行参数优化的具体步骤为：步骤3.1：初始化粒子群，在一定范围内随机产生一群粒子并为每个粒子分配随机速度；步骤3.2：对每一个粒子i，依次采用和计算得到回归模型的参数并预测输出，利用式(1)评估粒子性能；y
i,exp
为测试样本的真实输出；y<...

【专利技术属性】
技术研发人员：张越非，陈浩东，池汝安，董万强，郭万鑫，余晓英，鲁清扬，
申请(专利权)人：湖北三峡实验室，
类型：发明
国别省市：