基于模擬退火算法的支持向量機在MBR膜污染中的應用研究.pdf

1、膜生物反應器(MBR)是污水處理工藝中一種重要的方式，具有處理效率高、出水水質好、容易實現(xiàn)自動控制等優(yōu)點，應用范圍不斷擴大，規(guī)模也在逐年增加，越來越受到世界上各個國家的重視。但隨之而來的是膜污染問題正在逐步成為阻礙MBR快速發(fā)展的一個主要因素，因為膜污染會直接導致膜通量的減小，因此如何有效的降低MBR膜污染開始成為一個熱點研究問題。
　　本文在研究了之前MBR領域中的各種模型的基礎上，針對傳統(tǒng)的神經網絡模型在MBR膜污染研究中存在

2、容易陷入局部極小值、參數(shù)難以確定的不足，閱讀并參考了大量的文獻，提出使用模擬退火算法和支持向量機建立模型，即基于SA-SVM支持向量機的MBR膜污染預測模型。首先使用模擬退火算法對支持向量機的三個重要參數(shù)懲罰因子、不敏感系數(shù)和核參數(shù)進行全域優(yōu)化搜索，然后將得到的最優(yōu)參數(shù)作為支持向量機的初始參數(shù)并建立MBR膜污染預測模型，最后使用主成分分析法對影響膜污染的因素進行分析，選取主要影響因素作為模型的輸入，膜通量的大小作為輸出，進行預測。實驗研

3、究表明，基于SA-SVM支持向量機的MBR膜污染預測模型在對膜通量進行預測時，有較好的擬合效果和較高的預測精確度，在穩(wěn)定性和泛化能力方面也比之前的神經網絡模型也有了一定的提高。
　　在使用模擬退火算法對MBR膜污染預測模型進行初始參數(shù)尋優(yōu)的過程中，我們也發(fā)現(xiàn)了一些問題，SA算法存在收斂速度慢、初始參數(shù)設置比較敏感等缺點。于是我們引入一種同時結合了SA和GA算法的混合優(yōu)化算法對模型的參數(shù)進行優(yōu)化，該算法既保留了GA算法全局搜索能力強