基于不平衡分类的Bagging集成污水处理故障诊断

摘要：

在污水处理过程故障会导致出水水质下降、运行费用增高甚至造成环境的二次污染,而污水处理故障诊断数据的典型不平衡特性,严重影响了故障诊断的效果,尤其会导致故障分类的正确率偏低.针对此问题,文中提出了一种基于加权极限学习机的改进Bagging集成污水处理故障诊断建模方法;以加权极限学习机为基分类器,以Bagging集成框架建立集成分类器;定义可调整的过采样倍率公式,通过虚拟少数过采样算法(SMOTE)对少数类样本进行过采样,以保证基分类器间的多样性;以不平衡分类性能指标G-mean值为基础,定义新的基分类器输出权值更新公式,以提高故障类别识别率.仿真实验表明,该污水处理故障诊断模型的性能优于其他对比算法,可有效提高G-mean值和整体分类正确率,特别是提高了故障类别的识别正确率.

关键词：不平衡分类、加权极限学习机、Bagging集成算法、污水处理、故障诊断

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61473121;广东省科技计划项目2016A020221008,2017B010117007,2017B090910011

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：107-115