人工智能模型在城市污水处理水质指标监测中的垂直应用

正版全新

55.09 6.4折 86 全新

库存2件

上海浦东

作者常鹏、卢艳、张诗娆

出版社知识产权出版社

ISBN9787524503484

出版时间2022-12

装帧其他

开本16开

纸张胶版纸

定价86元

货号5047388

上书时间2026-06-27

商品详情

品相描述：全新

商品描述: 【书    名】人工智能模型在城市污水处理水质指标监测中的垂直应用
【书    号】 9787524503484
【出版社】知识产权出版社
【作    者】常鹏、卢艳、张诗娆
【出版日期】 2026-04-01
【开    本】 16开
【定    价】 86.00元

【内容简介】
间歇生产过程特与连续工业相比，其过程特性更加复杂，数据统计特征亦更为丰富。本文基于核熵成分分析方法从生产过程的正常历史数据出发，既考虑稳定模态过程监测，又针对稳定模态间的过渡模态的本身特点，建立过渡模态监测模型。同时还从实际出发，全面考虑多元统计方法在多模态过程应用时需要解决的几个重点问题，譬如：阶段划分、阶段识别、特征提取等，提出了一些针对间歇过程具体数据特征的监控算法，以此来提高过程监控能力与产品质量，保证生产安全。

【目录】
目录

第1章绪论 1

1.1研究背景及意义 1

1.1.1 研究背景 1

1.1. 2 研究意义 4

1. 2经典污水处理工艺介绍 5

1. 3水质指标监测 7

1. 3.1水质指标监测简介 7

1. 3. 2水质指标监测建模方法介绍 9

1. 3. 3面向污水处理水质指标监测的建模方法综述 11

1. 3. 4面向污水处理的水质指标监测建模方法存在的问题 21

1. 3. 5本书针对水质指标监测建模方法展开的研究 23

1. 4污水处理过程仿真平台介绍 25

1. 4.1 BSM1介绍 25

1. 4. 2 生化反应过程模拟 27

1. 4. 3 数据介绍 29

1. 5宽度学习系统 29

1. 5.1增加增强节点 32

1. 5. 2增加特征节点 33

1. 5. 3增加训练数据 34

1. 6研究内容及章节安排 35

第2 章基于宽度学习系统的水质软测量 38

2.1引言  38

2. 2基于特征增强的宽度学习系统 39

2. 2.1估计子空间 40

2. 2. 2估计原子 42

2. 2. 3特征增强网络构建 43

2. 3案例研究 46

2. 3.1基准仿真模型(BSM1) 46

2. 3. 2 参数设定 46

2. 3. 3 结果与讨论 48

2. 3. 4模型更新实验 52

2. 4本章小结 55

第3 章宽度学习系统参数优化 56

3.1引言 56

3. 2粒子群优化算法 57

3. 2. 1 粒子群优化算法的基本原理 57

3. 2. 2多目标问题 58

3. 2. 3粒子群优化算法的数学表达 59

3. 2. 4 多目标粒子群优化算法的实现步骤 59

3. 3鸽群飞行行为启发的多目标粒子群算法 62

3. 3.1平行单元坐标系 63

3. 3. 2 多目标鸽群优化算法 65

3. 4*终解选择方法 68

3. 5案例研究 69

3. 5.1标准测试函数 70

3. 5. 2评价指标 71

3. 5. 3 对比实验 73

3. 5. 4优化实验 75

3. 6本章小结 76

第4 章基于阶段软划分的软测量系统 77

4.1引言  77

4. 2阶段软划分方法 78

4. 2.1仿射传播聚类算法 78

4. 2. 2 基于Sihouette准则的阶段软划分 81

4. 3案例研究 83

4. 3. 1 污水处理过程数据的阶段性 83

4. 3. 2子阶段内软测量建模 85

4. 3.3性能对比 86

4. 4本章小结 89

第5章污水处理关键水质参数软测量平台 91

5.1引言 91

5. 2 序批式污水处理工艺 91

5. 3 关键参数软测量平台设计与实现 93

5. 3.1软测量平台登录界面 93

5. 3. 2软测量平台主界面 95

5. 3. 3软测量平台结果显示界面 97

5. 3. 4软测量平台使用流程 98

5. 4 本章小结 100

第6章基于特征增强提取宽度学习系统的水质监测方法 101

6.1引言 101

6. 2 特征增强提取宽度学习系统 102

6. 2.1 时序性特征节点组 103

6. 2. 2非高斯性特征节点组 104

6. 2.3增强节点组 107

6. 2. 4基于FAEBLS的水质监测模型构建流程 109

6. 3实验验证与结果分析 111

6. 3.1BSM1污水仿真实验数据分析 111

6. 3. 2BSM2污水仿真实验数据分析 118

6. 4 本章小结 123

第7 章基于变量选择的特征增强型堆叠宽度学习系统的水质监测方法  125

7.1引言 125

7. 2 基于变量选择的特征增强型堆叠宽度学习系统 126

7. 2.1基于XGBoost的重要特征映射 126

7. 2. 2 基于残差连接和自注意力机制的网络堆叠 130

7. 2. 3 基于VS-FAESBLS的水质监测模型的构建流程  134

7. 3实验验证与结果分析 136

7. 3.1BSM2污水仿真实验数据分析 137

7. 3. 2UCI污水实验数据分析  142

7. 4本章小结 150

第8 章基于差分进化鸽群优化算法的多输出水质监测方法 151

8.1引言 151

8. 2 基于粒子群优化算法的模型超参数确定方法  152

8. 2. 1 粒子群优化算法的基本原理 152

8. 2. 2基于PSO-VS-FESBLS的多输出水质监测模型构建流程 153

8. 3 基于差分进化鸽群优化算法的模型超参数确定方法  155

8. 3. 1 鸽群优化算法的基本原理 155

8. 3. 2差分进化算法的基本原理 158

8. 3. 3基于DEPIO-VS-FESBLS的多输出水质监测模型构建流程 159

8. 4实验验证与结果分析 161

8. 4.1UCI污水实验数据分析 161

8. 4. 2BSM2污水仿真实验数据分析 166

8. 5本章小结 170

第9 章城镇污水处理过程水质监测平台开发 172

9.1引言  172

9. 2水质监测平台需求分析与开发计划 172

9. 2. 1 水质监测平台需求分析 172

9. 2. 2水质监测平台开发计划 174

9. 3水质监测平台总体框架设计与实现 174

9. 3.1用户管理模块 175

9. 3. 2数据管理模块 177

9. 3. 3模型训练模块 181

9. 3. 4模型优化模块 184

9. 3. 5在线监测模块 186

9. 4本章小结 189

总结 190

参考文献 192

【前言】
本书聚焦污水处理过程中水质指标监测的关键问题,围绕提升难测水质指标监测精度、优化模型参数、适应过程动态特性及开发实用平台展开研究,提出了一系列基于宽度学习系统(Broad Learning System,BLS)的创新方法与模型,针对传统BLS在处理污水数据上非高斯性和动态环境适应性不足的问题,构建了基于特征增强的宽度学习系统软测量模型,通过过完备独立成分分析(Overcomplete Independent Component Analysis,OICA) 提取非高斯特征,结合BLS的增量学习特性,实现了对难测水质指标的高精度实时监测,并设计了便捷的网络参数更新策略以适应环境变化。为了解决BLS超参数设置难题,提出受鸽群飞行行为启发的多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法,该算法采用双阶段飞行策略,依据粒子分布实时调整飞行参数,平衡全局探索能力与局部挖掘能力,并设计基于斜率的*终解选择方法,为模型选定*优超参数组合,提升了模型性能。考虑到污水处理过程的多阶段性, 提出基于仿射传播聚类(Affinity Propagation,AP)算法与轮廓系数(Silhouette Coefficient)准则的阶段软划分方法,通过AP算法自动划分阶段,结合轮廓系数准则识别平稳与过渡阶段,在各子阶段分别建模,增强了模型对不同阶段的针对性,进一步提高监测精度。此外,针对污水数据的时序性、非高斯性和深层次非线性等多重特征的同时提取,提出特征增强提取宽度学习系统(Feature-Augmented Extraction Broad Learning System, FAEBLS)和基于变量选择的特征增强型堆叠宽度学习系统(VariableSelection-Feature Enhanced Stacked Broad Learning System, VS-FESBLS),FAEBLS 通过循环结构和OICA分别增强时序性与非高斯特征提取,VS-FESBLS则结合极限梯度提升树(Extreme Gradient Boosting, XGBoost)的重要特征映射与残差堆叠机制,强化关键变量贡献并挖掘深层非线性特征。为了实现多指标协同监测,提出基于差分进化鸽群优化算法(Differential Evolution Pigeon Inspired Optimization,DEPIO)的多输出水质监测模型, DEPIO融合差分进化与鸽群优化的优势,优化VS-FESBLS超参数,提升了多指标监测的整体性能。在此基础上,开发了污水处理关键参数软测量平台,集成数据管理、模型训练与在线监测功能,为实际污水处理过程提供高效、实用的监测工具。本书的研究成果丰富了污水处理过程水质指标监测的理论与方法,为提升污水处理效率、保障水资源安全提供了有力支撑。
DEPIO) 的多输出水质监测模型, DEPIO融合差分进化与鸽群优化的优势, 优化 VS-FESBLS超参数,提升了多指标监测的整体性能。在此基础上,开发了污水处理关键参数软测量平台,集成数据管理、模型训练与在线监测功能,为实际污水处理过程提供高效、实用的监测工具。本书的研究成果丰富了污水处理过程水质指标监测的理论与方法,为提升污水处理效率、保障水资源安全提供了有力支撑。