典型文献
基于AdaBoost.RT的污水水质随机配置网络集成模型
文献摘要：
针对污水处理过程具有非线性、时变、大滞后等特点,关键水质参数难以准确实时预测,单一水质模型泛化性有限等问题,建立了一种基于AdaBoost.RT的正则随机配置网络(stochastic configuration network,SCN)水质预报集成模型.该模型将L2-SCN作为基学习器,通过AdaBoost.RT算法不断更新的权重来训练基学习器,然后采用加权策略将基学习器集成得到一个强学习模型,对5日生物需氧量(five-day biochemical oxygen demand,BOD5)质量浓度、氨氮(NH4-N)质量浓度进行预测.为了验证该模型的有效性,以某城市污水处理厂的真实数据为例进行仿真,并将预报结果与相同架构方式下的LassoSCN、PLSSCN、BP,RVFL预测模型进行比较.实验结果表明,所提的模型预报精度更高,具有稳定性.
文献关键词：
污水处理;软测量;集成;随机配置网络;预测
中图分类号：
作者姓名：
赵立杰;王月;郭烁
作者机构：
沈阳化工大学信息工程学院,辽宁 沈阳 110142
文献出处：
引用格式：
[1]赵立杰;王月;郭烁-.基于AdaBoost.RT的污水水质随机配置网络集成模型)[J].沈阳大学学报（自然科学版）,2022(03):189-196
A类：
LassoSCN,PLSSCN
B类：
AdaBoost,污水水质,随机配置网络,网络集成,集成模型,污水处理过程,水质参数,实时预测,水质模型,模型泛化性,正则,stochastic,configuration,network,L2,基学习器,不断更新,重来,需氧量,five,day,biochemical,oxygen,demand,BOD5,氨氮,NH4,某城,城市污水处理厂,真实数据,RVFL,预报精度,软测量
AB值：
0.415584
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
