论文部分内容阅读
出水COD浓度的精准预测是污水处理期望实现的目标,然而现有的离线模型对大规模时变更新的水质数据,预测效果会逐渐变差.针对该情况,采用离线模型结合增量学习的思想,提出基于在线增量LSSVM污水软测量模型,即首先建立基于LSSVM污水软测量模型,然后针对不断更新的增量样本,通过误差阈值进行筛选,有选择地增量学习,并结合合适的剪枝操作,实现样本长度的固定,对出水COD浓度在线预测.仿真结果表明:相较于标准LSSVM模型,本模型在预测精度、预测时间上,都具备不同程度的优势,很好地解决了离线学习的问题,实现在