本发明涉及工业过程控制,特别是涉及一种污水水质指标软测量方法、系统、电子设备及介质。
背景技术:
1、水质指标的快速、及时、准确测定是保障污水处理效果稳定的难点,因此软测量技术被广泛应用在污水处理过程中。但由于测量过程数据的多采样率的特性以及复杂恶劣的检测环境导致软测量模型预测性能下降,最终使得水质指标的测量结果精度低,并且由于软测量模型预测存在模型退化问题,使得污水处理过程中,重要质量变量的监测和软仪表的维护存在巨大困难,因此亟需一种可以提高测量精度,并且克服模型退化问题的污水水质指标测量方法。
技术实现思路
1、本发明的目的是提供一种污水水质指标软测量方法、系统、电子设备及介质,可提高测量精度,并且克服预测模型退化问题。
2、为实现上述目的,本发明提供了如下方案:
3、一种污水水质指标软测量方法,包括:
4、采用pls算法根据第一标记数据子集构建模型,采用elm算法根据第二标记数据子集构建模型,分别得到第一初始回归模型和第二初始回归模型;所述第一标记数据子集和所述第二标记数据子集均包括多组水质指标集合;一组水质指标集合包括一个输入水质指标集合和一个输出水质指标集合;
5、用所述第一初始回归模型对所述第一标记数据子集进行预测,用所述第二初始回归模型对所述第二标记数据子集进行预测,分别得到第一标记预测误差值和第二标记预测误差值;
6、在当前迭代次数下,将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型,得到第一plus标记数据子集和第二plus标记数据子集;所述未标记数据集包括多个输入水质指标集合;
7、用所述第一初始回归模型对所述第一plus标记数据子集进行预测,用所述第二初始回归模型对所述第二plus标记数据子集进行预测,得到第一新标记预测误差值和第二新标记预测误差值;
8、根据所述第一标记预测误差值和所述第一新标记预测误差值得到所述上一迭代次数下的未标记数据集中各输入水质指标集合的置信度;
9、根据目标数据集对所述第一标记数据子集、所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一new标记数据子集、当前迭代次数下的第二new标记数据子集和当前迭代次数下的未标记数据集;所述目标数据集为置信度最大的输入水质指标集合;
10、更新迭代次数并进入下次迭代,直到达到迭代停止条件,采用rpls根据最后一次迭代次数下的第一new标记数据子集构建第一预测模型,采用relm根据最后一次迭代次数下的第二new标记数据子集构建第二预测模型;
11、根据所述第一预测模型和所述第二预测模型得到最终预测模型,所述最终预测模型用于对污水水质指标进行软测量。
12、可选的,将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型,得到第一plus标记数据子集和第二plus标记数据子集,具体包括:
13、将上一迭代次数下的未标记数据集输入所述第一初始回归模型得到上一迭代次数下的未标记数据集对应的第一输出水质指标集合;
14、将上一迭代次数下的未标记数据集输入所述第二初始回归模型得到上一迭代次数下的未标记数据集对应的第二输出水质指标集合;
15、确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第一输出水质指标集合为第一plus标记数据子集;
16、确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第二输出水质指标集合为第二plus标记数据子集。
17、可选的,根据目标数据集对所述第一标记数据子集、所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一new标记数据子集、当前迭代次数下的第二new标记数据子集和当前迭代次数下的未标记数据集,具体包括,
18、将所述目标数据集输入所述第一初始回归模型得到所述目标数据集对应的第一输出水质指标集合;
19、将所述目标数据集输入所述第二初始回归模型得到所述目标数据集对应的第二输出水质指标集合;
20、将所述目标数据集与所述目标数据集对应的第一输出水质指标集合添加到所述第二标记数据子集得到当前迭代次数下的第一new标记数据子集;
21、将所述目标数据集与所述目标数据集对应的第二输出水质指标集合添加到所述第一标记数据子集得到当前迭代次数下的第二new标记数据子集;
22、将所述目标数据集从上一迭代次数下的未标记数据集中删除得到当前迭代次数下的未标记数据集。
23、可选的,所述最终预测模型为:其中,y(x)表示最终预测模型,h′1(x)表示第一预测模型,h′2(x)表示第二预测模型。
24、一种污水水质指标软测量系统,包括:
25、初始回归模型构建模块,用于采用pls算法根据第一标记数据子集构建模型,采用elm算法根据第二标记数据子集构建模型,分别得到第一初始回归模型和第二初始回归模型;所述第一标记数据子集和所述第二标记数据子集均包括多组水质指标集合;一组水质指标集合包括一个输入水质指标集合和一个输出水质指标集合;
26、标记预测误差值计算模块,用于用所述第一初始回归模型对所述第一标记数据子集进行预测,用所述第二初始回归模型对所述第二标记数据子集进行预测,分别得到第一标记预测误差值和第二标记预测误差值;
27、标记数据子集扩充模块,用于在当前迭代次数下,将上一迭代次数下的未标记数据集分别输入所述第一初始回归模型和所述第二初始回归模型,得到第一plus标记数据子集和第二plus标记数据子集;所述未标记数据集包括多个输入水质指标集合;
28、新标记预测误差值计算模块,用于用所述第一初始回归模型对所述第一plus标记数据子集进行预测,用所述第二初始回归模型对所述第二plus标记数据子集进行预测,得到第一新标记预测误差值和第二新标记预测误差值;
29、置信度计算模块,用于根据所述第一标记预测误差值和所述第一新标记预测误差值得到所述上一迭代次数下的未标记数据集中各输入水质指标集合的置信度;
30、更新模块,用于根据目标数据集对所述第一标记数据子集、所述第二标记数据子集以及上一迭代次数下的未标记数据集进行更新得到当前迭代次数下的第一new标记数据子集、当前迭代次数下的第二new标记数据子集和当前迭代次数下的未标记数据集;所述目标数据集为置信度最大的输入水质指标集合;
31、预测模型构建模块,用于更新迭代次数并进入下次迭代,直到达到迭代停止条件,采用rpls根据最后一次迭代次数下的第一new标记数据子集构建第一预测模型,采用relm根据最后一次迭代次数下的第二new标记数据子集构建第二预测模型;
32、最终预测模型确定模块,用于根据所述第一预测模型和所述第二预测模型得到最终预测模型,所述最终预测模型用于对污水水质指标进行软测量。
33、可选的,所述标记数据子集扩充模块,具体包括:
34、第一输出水质指标集合确定模块,用于将上一迭代次数下的未标记数据集输入所述第一初始回归模型得到上一迭代次数下的未标记数据集对应的第一输出水质指标集合;
35、第二输出水质指标集合确定模块,用于将上一迭代次数下的未标记数据集输入所述第二初始回归模型得到上一迭代次数下的未标记数据集对应的第二输出水质指标集合;
36、第一plus标记数据子集确定模块,用于确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第一输出水质指标集合为第一plus标记数据子集;
37、第二plus标记数据子集确定模块,用于确定上一迭代次数下的未标记数据集以及所述上一迭代次数下的未标记数据集对应的第二输出水质指标集合为第二plus标记数据子集。
38、可选的,所述更新模块,具体包括,
39、pls模型预测模块,用于将所述目标数据集输入所述第一初始回归模型得到所述目标数据集对应的第一输出水质指标集合;
40、elm模型预测模块,用于将所述目标数据集输入所述第二初始回归模型得到所述目标数据集对应的第二输出水质指标集合;
41、第一new标记数据子集确定模块,用于将所述目标数据集与所述目标数据集对应的第一输出水质指标集合添加到所述第二标记数据子集得到当前迭代次数下的第一new标记数据子集;
42、第二new标记数据子集确定模块,用于将所述目标数据集与所述目标数据集对应的第二输出水质指标集合添加到所述第一标记数据子集得到当前迭代次数下的第二new标记数据子集;
43、当前迭代次数下的未标记数据集确定模块,用于将所述目标数据集从上一迭代次数下的未标记数据集中删除得到当前迭代次数下的未标记数据集。
44、可选的,所述最终预测模型为:其中,y(x)表示最终预测模型,h′1(x)表示第一预测模型,h′2(x)表示第二预测模型。
45、一种电子设备,包括:
46、存储器和处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据上述所述的污水水质指标软测量方法。
47、一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的污水水质指标软测量方法。
48、根据本发明提供的具体实施例,本发明公开了以下技术效果:
49、本发明将多速率系统问题转化为标记数据与未标记数据不平衡的问题,并集成rpls和relm两种不同类型的自适应回归算法对标记数据建模并训练,提高了软测量模型在多采样率数据背景下对重要指标的预测精度从而达到对重要变量的监测,同时模型采用了自适应方法能有效克服模型退化的问题,解决模型退化的问题就方便维护。