基于改进极限学习机的MBR仿真预测研究

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::国家自然科学基金(51378350)；国家杰出青年科学基金(50808130)作者简介::杨新星(1990)，男，硕士研究生，主要研究方向：MBR计算机模拟仿真，大数据。通讯联系人::李春青，教授，主要研究方向：MBR计算机模拟仿真，大数据与云计算。基于改进极限学习机的MBR仿真预测研究杨新星，李春青(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。为了有效，准确地预测MBR膜通量，提出一种改进的极限学习机(PSO-ELM)预测模型。极限学习机（ELM）能够有效地克服反向传播（BP）算法的缺陷，并能以极快的速度获得很好的泛化性能。由于随机给定输入权值和隐层阈值，ELM通常需要较多隐含层节点才能达到理想精度。利用粒子群算法（PSO）对极限学习机（ELM）的权值和阈值进行优化，建立PSO-ELM预测模型，将提取的主成分作为该模型的输入，膜通量作为模型输出。研究结果表明，该模型对MBR膜通量预测具有较好的泛化能力和更高的预测精度。关键词:膜生物反应器；膜通量：极限学习机：粒子群算法中图分类号:TP391文献标识码:ADOI：10.3969/j.issn.1003-6970.2016.12.004本文著录格式：杨新星，李春青.基于改进极限学习机的MBR仿真预测研究[J].软件，2016，37（12）：1720ResearchofMBRSimulationPredictionsBasedonImprovedExtremeLearningMachineYANGXinxing,LIChunqing(SchoolofComputerScienceandSoftwareTechnology,TianjinPolytechnicUniversity,Tianjin300387,China)【Abstract】:MBRmembranefluxresearchformembranefoulingpredictionisoneoftheimportanttopicsontoday'ssewagetreatmentresearchfield.InordertoeffectivelyandaccuratelypredictthefluxofMBRmembrane,apredictionmodelwasproposedbasedonimprovedextremelearningmachine(PSO-ELM).ExtremeLearningMachinecouldovercomethedrawbacksofbackpropagationalgorithmwithextremelearningspeedandbettergeneralizationperform-ance.ELMusuallyrequiresmorehiddenlayernodestoachievethedesiredaccuracybecauseoftherandominputweightsandhiddenlayerthreshold.Usingparticleswarmoptimization(PSO)tooptimizetheinputweightsandhiddenlayerthresholdofextremelearningmachine(ELM),establishPSO-ELMpredictionmodel,treattheextractiveprinci-palcomponentsastheinputofthepredictionmodel,themembranefluxasthemodeloutput.Theresultsshowthattheproposedmodelhasbettergeneralizationabilityandhigherpredictionprecisionformembraneflux.【Keywords】:MBR;Membraneflux;Extremelearningmachine;Particleswarmoptimization0引言膜生物反应器（MembraneBioreactor，MBR）是将生物降解作用与膜的高效分离技术结合而成的一种新型高效的污水处理与回用工艺[1]。使用膜分离装置取代了传统的二次沉淀池，并且较好得截留了反应池中的活性污泥以及其中的大分子有机物质。因此，与传统污水处理工艺相比，MBR具有出水水质好且稳定，能有效使固液分离，污泥产量少，并且设备紧凑、不占用大量空间等优势。然而污水处理