10.11949/j.issn.0438-1157.20151625
基于流形正则化半监督学习的污水处理操作工况识别方法
污水处理过程容易受外界冲激扰动影响，引发污泥上浮、老化、中毒、膨胀等故障工况，导致出水水质质量差，能源消耗高等问题，如何快速准确识别污水操作工况故障至关重要。针对污水工况识别过程中现有监督学习方法未利用大量未标记数据蕴含的丰富操作工况信息，采用基于流形正则化极限学习机的半监督学习方法，监视生化污水处理过程操作运行工况。该方法在学习过程中，在标记和未标记数据输入空间构建图拉普拉斯算子，通过随机特征映射建立隐含层，在流形正则化框架下，求解隐含层和输出层之间的权重，保留随机神经网络的计算效率和泛化性能。仿真实验结果表明，基于半监督极限学习机的污水处理工况识别在准确率与可靠性方面相对优于基本极限学习机方法。
污水处理、极限学习机、半监督算法、流形正则化
67
TP391(计算技术、计算机技术)
国家自然科学基金项目61203102，61573364；辽宁省教育厅科学研究项目L2013158, L2013272。@@@@supported by the National Natural Science Foundation of China61203102,61573364;the Research Project of Liaoning Provincial Educational DepartmentL2013158, L2013272
2016-06-29（万方平台首次上网日期，不代表论文的发表时间）
共7页
2462-2468
