Adaboost-BP在MBR膜污染中的应用研究

2016年软件2016,Vol.37,No.12第37卷第12期COMPUTERENGINEERING&SOFTWARE国际IT传媒品牌基金项目::受国家自然科学基金项目(51378350)；国家自然科学基金项目(50808130)资助作者简介::胡文博(1992)，男，硕士生，主要研究方向：MBR计算机模拟仿真，大数据与云计算。通讯联系人::李春青，博士，教授，主要研究方向：MBR计算机模拟仿真，大数据与云计算；任淑霞，女，博士，副教授，主要研究方向：3D片网，大数据分析，大数据可视化数据挖掘。Adaboost-BP在MBR膜污染中的应用研究胡文博1，李春青2，任淑霞2(天津工业大学计算机科学与软件学院，天津300387)摘要:研究MBR膜通量进行膜污染预测是当今污水处理研究领域的重要课题之一，膜污染直接导致的结果是膜通量的下降。由于传统BP神经网络预测MBR膜通量存在局部极小值及模型的泛化能力较差的缺点，本文利用AdaBoost算法优化传统的BP神经网络，建立了AdaBoost-BP预测模型，并将该模型运用到MBR膜通量的预测中。通过预测数据和实验数据的对比，得出该模型的可行性，同时将其对比传统的BP神经网络模型，说明AdaBoost-BP预测模型具有更高的预测精度。关键词:MBR；膜通量；AdaBoost-BP；BP神经网络中图分类号:TP389.1文献标识码:ADOI：10.3969/j.issn.1003-6970.2016.12.005本文著录格式：胡文博，李春青，任淑霞.Adaboost-BP在MBR膜污染中的应用研究[J].软件，2016，37（12）：2125TheResearchofPredictionModelBasedonAdaBoost-BPinMBRMembraneFoulingHUWen-bo1,LIChun-qing2,RENShu-xia2(SchoolofComputerScienceandSoftwareTechnology,TianjinPolytechnicUniversity,Tianjin,China,300387)【Abstract】:Membranefluxpredictionisoneofthemostimportanttopicsinwastewatertreatmentresearch.Membranefoulingisadirectresultofmembranefluxdecline.BecausetraditionalBPneuralnetworkhasitsownlocalminimuminpredictingtheMBRmembranefluxandthegeneralizationabilityofthemodelispoor,inthispaper,weuseAdaBoostalgorithmtooptimizethetraditionalBPneuralnetworkandestablishtheAdaBoost-BPpredictionmodel,thenapplythismodeltopredicttheMBRmembraneflux.Bycomparingthepredictedresultsandexperimentalresults,wecanobtainthatthemodelisfeasible.Atthesametime,itiscomparedwiththeordinaryBPmodel,andtheresultsshowthattheAdaBoost-BPpredictionmodelhashigherpredictionaccuracy.【Keywords】:MBR;Membraneflux;AdaBoost-BP;BPneuralnetwork0引言膜生物反应器（MBR）是将膜分离技术和生物处理单元相结合的一种新型污水处理工艺，它是利用微生物对反应基质进行生物转化，同时利用膜组件分离反应产物并截留生物体[1]。目前研究MBR模拟仿真系统模型的热点之一是通过利用膜通量影响因素，结合智能仿真模型来预测膜通量。现阶段，对MBR膜通量仿真预测的方法有很多种，例如：数学模型、自回归、BP神经网络、支持向量机等。然而，这些传统的方法预测效果并不是很理想。AdaBoost-BP模型是将BP神经网络作为弱分类器，通过AdaBoost算法将其升级，使之成为强分类器模型，进而更好对实验数据进行预测[2]。1BP预测模型目前，传统的BP神经网络应用已非常广泛，它能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它采用最速下降法来学习，按误差逆传播算法来训练，在开始训练前，初始化各层的连接权值及阈值为[0,1]之间