| 基于RPLS的造纸废水处理过程软测量建模 |
| |
| 引用本文： | 杨 浩,莫卫林,熊智新,黄明智,刘鸿斌. 基于RPLS的造纸废水处理过程软测量建模[J]. 中国造纸, 2016, 35(10): 31-35 |
| |
| 作者姓名： | 杨 浩 莫卫林 熊智新 黄明智 刘鸿斌 |
| |
| 作者单位： | 1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037,2.中山大学水资源与环境系,广东广州，510275,1.南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037 |
| |
| 基金项目： | 南京林业大学高层次人才科研启动基金(No.16310-5996)；江苏省制浆造纸科学与技术重点实验室开放基金项目(201010)；江苏高校优势学科建设工程资助项目(PAPD)。 |
| |
| 摘 要： | 偏最小二乘(PLS)软测量预测模型在预测造纸废水处理过程中的出水化学需氧量(CODCr)和固体悬浮物(SS)时,易受过程非线性特性和系统外部干扰等因素的影响而失效。针对以上问题,研究了递归偏最小二乘(RPLS)算法的造纸废水处理过程软测量建模。计算结果表明,采用PLS模型预测出水CODCr时,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关系数(R2)分别为5.3832%、4.6878和0.5892；采用RPLS模型预测时，MAPE、RMSE、R2分别为1.3861%、1.8792和0.9221。采用PLS模型预测SS时,MAPE、RMSE和R2分别为2.5962%、0.7412和0.6651；采用RPLS模型时MAPE、RMSE、R2分别为0.6795%、0.2198和0.9627。以上结果表明,RPLS预测模型比PLS预测模型具有更好的预测性能和更高的精度。
|
| 关 键 词： | 递归偏最小二乘；偏最小二乘；软测量建模；造纸废水处理 |
Soft Sensor Modeling of Papermaking Effluent Treatment Processes Using RPLS |
| |
| Abstract: | |
| |
| Keywords: | recursive partial least squares partial least squares soft sensor modeling papermaking effluent treatment |
|
| 点击此处可从《中国造纸》浏览原始摘要信息 |
|
点击此处可从《中国造纸》下载免费的PDF全文 |
|
