基于CBR和SVR的生化需氧量預(yù)測(cè)模型

摘要： 針對(duì)污水處理過程生化需氧量(BOD)濃度難以實(shí)時(shí)監(jiān)測(cè)的問題,建立了一種基于支持向量回歸機(jī)(SVR)修正方法的案例推理(CBR)預(yù)測(cè)模型。該模型主要包括案例檢索、案例重用、SVR修正、案例存儲(chǔ)等4個(gè)部分,其中,SVR修正模型是利用歷史數(shù)據(jù)構(gòu)造修正案例庫(kù),并采用SVR訓(xùn)練而獲得的,可以對(duì)傳統(tǒng)CBR求解模型得到的BOD濃度建議值進(jìn)行修正。實(shí)驗(yàn)表明本文模型的擬合誤差優(yōu)于支持向量機(jī)(SVM)、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)以及傳統(tǒng)CBR方法,說(shuō)明SVR修正方法的引入可以改善CBR的回歸性能,提高CBR的學(xué)習(xí)能力。 （共7頁(yè)）