发性脂肪 酸水的软测量方法，整个软测量流程见图1。本实施例选取实验室搭建的IC工艺系统作为 厌氧废水处理系统，使用MCGS作为组态软件，使用MATLAB作为软测量建模工具，通过仿真 验证本发明的性能和可行性包括以下步骤：
[0095] (1)搭建厌氧废水处理系统，采用IC厌氧反应器作为厌氧处理工艺，设定水力停 留时间HRT为24、15. 36、12. 29和9. 83小时，采集每个水力停留时间下的T、pH、ORP、Qgas、 CH4%、CO2 %、H2 %及相应的挥发性脂肪酸VFA。
[0096] (2)对采集到的数据进行预处理，首先运用拉依达准则剔除离群值，最后得到90 组数据然后对样本数据进行归一化处理将数据压缩到[0, 1]之间，归一化按下式进行。
[0098] (3)对归一化后样本数据主成分分析，具体计算公式见说明书这里不再重复。首 先对样本数据标准化，求标准化矩阵Znixn的协方差矩阵R nXn，解出R的η个特征值λ , (j = 1，2,…，n)，并按从大到小的顺序排列，λ 2多…多λ >〇,解相应特征值的单位特征 向量bj(j = 1，2,…，n)，bj= (b & 1?,…，bn_j)，计算各个主成分方差贡献率P 如表1所 示，图2所示为各个主成分累计方差贡献率的Pareto图，图3为各个变量在主成分1和主 成分2上的荷载图（biplot)，在该图中空间上越近的变量正相关性越强，离原点越远的变 量被主成分1和主成分2解释的越完全。前4个主成分的累计方差贡献率为85. 33%，已经 满足累计方差贡献率多85 %的要求，但是前5个主成分累计方差贡献率达91. 89 %，故确定 主成分个数5,后面的其他成分舍弃。最后提取主成分分析后的前70组数据作为最小二乘 支持向量机的建模训练数据，后20组数据作测试数据。
[0099] 表1各个主成分的方差贡献率
[0101] (4)利用训练数据在MATLAB中建立最小二乘支持向量机软测量模型，核函数选 择径向基函数RBF，采用网格搜索法确定核参数 〇2和正则化参数γ最优范围，然后用 交叉验证法最终选出主导变量数据最优的参数值，最后的到σ 2、γ最优值为129. 6434和 0.03470267。
[0102] (5)利用测试数据测试模型性能，图4是训练数据和测试数据VFA真实值和预测 值的对比图。绝对误差AE反映了预测结果偏离真值的程度见图5,相对误差RE相对误差 更能反映预测的可靠程度见图6,平均绝对百分比误差MPE是所有相对误差的绝对值求 和的平均值，能更好的反映预测值的实际情况，本例中训练MPE为0. 647%，预测MPE为 0. 619%。均方根误差RMSE主要是为了说明样本的离散程度，训练和预测均方根误差分别 为0. 0049和0. 0040。相关系数R反映了预测值与实际值线性关系的强弱，本例相关系数达 0. 99995见图7。从以上性能指标可以看出，基于主成分分析-最小二乘支持向量机的厌氧 废水处理系统出水挥发性脂肪酸的软测量模型较为准确的预测了厌氧废水处理系统挥发 性脂肪酸的值。
[0103] (6)MCGS与MATLAB之间的数据交换流程见图8。安装MCGS组态软件及其高级开发 包到正确路径。启动MCGS则OPC服务器功能自动启动。按照工程要求组态好人机交互界 面。在组态好的工程中，定义好1\1\?!1、01^、0_、〇1 4%、〇)2%、!12%和出水挥发性软测 量返回值VFA_S0FT9个参量，供MCGS进行读写操作。启动MATLAB，在命令窗口中辅助变量 命令opcregister('install'），用来安装由OPCFoundation提供的一套可以在网络上浏览 其他计算机并且能通信的核心组件。再辅助变量命令：a = opcda( 'localhost'，'MCGS. OPC. Server'）！connect (da)，则 MCGS 与 MATLAB 建立连接。将训练好的 PCA-LSSVM 软测量 模型嵌入工控机后，系统运行期间，计算机把收集到的水力HRT、T、pH、ORP、Qgas、CH4%、 CO2%、H2%的数据传递给软件，运行PCA-LSSVM软测量模型进行预测出水VFA值，把软测量 值返回到人机交互界面。
[0104] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例 的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简 化，均应为等效的置换方式，都包含在本发明的保护范围内。
【主权项】
1. 一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其特征在于包括以下步 骤： (1) 搭建厌氧废水处理系统，获取出水挥发性脂肪酸的辅助变量数据样本A和主导变 量数据样本B; (2) 对收集到的辅助变量数据样本A和主导变量数据样本B进行预处理； (3) 对预处理后的辅助变量数据样本A进行主成分分析，建立基于主成分分析的新的 辅助变量数据样本并将新的数据样本分为训练样本和测试样本； (4) 对应步骤（3)划分的训练样本，建立基于最小二乘支持向量机的出水挥发性脂肪 酸软测量模型，不断训练直至满足设定误差； (5) 对应于步骤（3)划分的测试样本，应用步骤（4)建立并训练后的基于最小二乘支持 向量机的出水挥发性脂肪酸软测量模型进行测试，验证软测量模型的有效性； (6) 将训练并测试后的基于最小二乘支持向量机的出水挥发性脂肪酸软测量模型嵌入 工控机中，利用工况机中的组态软件MCGS构建好人机交互界面； (7) 采用OPC技术实现基于最小二乘支持向量机的出水挥发性脂肪酸软测量模型与工 控机的组态软件MCGS之间的数据交换，将MCGS收集的数据输送至基于最小二乘支持向量 机的出水挥发性脂肪酸软测量模型，计算出水出水挥发性脂肪酸浓度的预测值，再把该预 测值返回至工控机人机交互界面显示； (8) 不断重复步骤（6)，从而实现厌氧废水处理系统出水挥发性脂肪酸的在线实时监 测。2. 根据权利要求1所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（1)厌氧废水处理系统包括厌氧反应器，与厌氧出水挥发性脂肪酸相 关的监测和检测仪表，工控机，A/D及D/A模块；所述监测和检测仪表用于检测厌氧反应器 温度T、氧化还原电位ORP、进水流量Qin、反应器pH值、产气量Qgas、甲烷百分比CH4 %、二氧 化碳百分比CO2%、氢气百分比H2%，由所述进水流量Qin能获得水力停留时间HRT。3. 根据权利要求1所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（1)辅助变量数据样本A由温度T、氧化还原电位0RP、水力停留时间 HRT、反应器pH值、产气量Qgas、甲烷百分比CH4 %、二氧化碳百分比CO2 %、氢气百分比H2 %组 成，主导变量数据样本B由对应的挥发性脂肪酸浓度组成。4. 根据权利要求1所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（2)预处理包括根据拉依达准则剔除异常值，然后对样本进行归一化 处理。5. 根据权利要求3所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（3)对预处理后得到的归一化矩阵进行主成分分析包括对归一化后的 数据样本进行零均值标准化处理得到标准化矩阵Z，建立标准化矩阵Z的相关系数矩阵R， 求出相关系数矩阵R的n个特征值并按从大到小降序排列，计算第j主元的主元贡献率Pj 和前k个主元的累计主元贡献率P，选取累计主元贡献率大于85%的k个主元作为新的数 据样本，并将其分为训练样本和测试样本，其中j，k<n。6. 根据权利要求4所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述主元贡献率P_j的计算公式为：式中Xj为相关系数矩阵R的特征值。7. 根据权利要求4所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤主元贡献率P的计算公式为：式中Xj为相关系数矩阵R的特征值，j，k<n。8. 根据权利要求1所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（4)所述最小二乘支持向量机软测量模型为：式中X为辅助变量样本数据，ai为拉格朗日乘子，b为偏移量，K(X，XJ为核函数。9. 根据权利要求1所述的一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法，其 特征在于：所述步骤（5)对应步骤（3)划分的测试样本，测试步骤（4)建立的最小二乘支持 向量机模型性能指标包括误差（ERR)、相对误差（RE)、平均绝对百分比误差（MPE)、均方根 误差（RMSE)和相关系数R。
【专利摘要】本发明涉及了一种厌氧废水处理系统出水挥发性脂肪酸的软测量方法,该方法采用主成分分析实现高维辅助变量的降维处理采用最小二乘支持向量机对特别适用于解决小样本、非线性、局部极小点等问题，且训练速度快，二者结合实现厌氧废水处理系统挥发性脂肪酸的软测量，对厌氧废水处理系统的在线监测及后续工艺优化控制具有重要意义。实验证明，该软测量方法的模型理论正确，LS-SVM智能算法的应用使得厌氧废水处理系统出水的重要控制参数挥发性脂肪酸实现实时预测和估计，可以解决测定仪价格昂贵、维护困难且测量滞后的问题，对厌氧废水处理系统的控制与优化有重要意义。
【IPC分类】G06F17/50
【公开号】CN105045951
【申请号】CN201510280082
【发明人】万金泉, 刘博 , 马邕文, 黄明智, 王艳
【申请人】华南理工大学
【公开日】2015年11月11日
【申请日】2015年5月27日