本发明公开了一种基于数据挖掘的废水中悬浮固体总量的预测方法,涉及水体污染物预测领域,包括以下步骤:S1:获取进水阶段的水质参数,包括进水流量、碳质生化需氧量CBOD、总悬浮固体TSS;S2:对获取的水质参数进行预处理;S3:将预处理后的进水流量和碳质生化需氧量CBOD进行PCA数据降维;S4:将降维选择后的数据输入至MLP神经网络模型中,建立进水阶段的总悬浮固体TSS的时间序列模型;S5:将总悬浮固体TSS过去7日记录值输入至MLP神经网络模型中,建立TSS的时间序列预测模型。其中预测模型性能通过平均绝对误差MAE和平均相对误差MRE进行评估。本发明应用数据挖掘算法对固体悬浮物总量进行了预测,通过对MLP算法模型的迭代构造,进一步提高了预测的精度。
声明:
“基于数据挖掘的废水中悬浮固体总量的预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)