基于3种机器学习模型的污水处理厂出水总氮预测分析

黄学平; 吴留兴; 辛攀; 邓觅; 吴永明; 姚忠; 赵旭雍; 徐欣

doi:10.16056/j.2096-7705.2023.02.015

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于3种机器学习模型的污水处理厂出水总氮预测分析

研究与探讨 | 更新时间：2026-01-19

- 基于3种机器学习模型的污水处理厂出水总氮预测分析
- 基于3种机器学习模型的污水处理厂出水总氮预测分析
- 能源研究与管理 2023年15卷第2期页码：100-105+126
- 作者机构：
  
  1. 南昌工程学院土木与建筑工程学院
  2. 江西省科学院微生物研究所
- 作者简介：
- 基金信息：
  
  江西省科技创新基地计划（20212BCD42014）;江西省科学院省级科技计划项目包干制试点示范项目（2021YSBG10003,2021YSBG22024,2022YSBG22010,2022YSBG22012）;江西科技计划项目（20212BBG71002）
- DOI：10.16056/j.2096-7705.2023.02.015
  中图分类号： TP181;X703
- 纸质出版：2023
- 稿件说明：
移动端阅览
黄学平, 吴留兴, 辛攀, 等. 基于3种机器学习模型的污水处理厂出水总氮预测分析[J]. 能源研究与管理, 2023,15(2):100-105+126.

黄学平, 吴留兴, 辛攀, et al. 基于3种机器学习模型的污水处理厂出水总氮预测分析[J]. 2023, 15(2): 100-105+126.
黄学平, 吴留兴, 辛攀, 等. 基于3种机器学习模型的污水处理厂出水总氮预测分析[J]. 能源研究与管理, 2023,15(2):100-105+126. DOI： 10.16056/j.2096-7705.2023.02.015.

黄学平, 吴留兴, 辛攀, et al. 基于3种机器学习模型的污水处理厂出水总氮预测分析[J]. 2023, 15(2): 100-105+126. DOI： 10.16056/j.2096-7705.2023.02.015.

摘要

为实现对污水处理厂出水总氮（TN）浓度的准确预测，收集并分析了某污水处理厂的317条实际运行监测数据，将数据进行预处理后，结合关联度较高的进水TN等6项常规水质指标，利用随机森林、KNN及SVR 3种机器学习模型对出水TN进行预测，并将预测值进行对比分析。结果表明：KNN和SVR 2种模型的决定系数分别为0.759和0.723，低于随机森林模型的0.814;KNN与SVR对应的平均绝对比分比误差分别为12.02%和12.49%，相较于随机森林的10.54%更高；KNN与SVR的均方误差分别为1.09和1.26，高于随机森林的0.85。因此，在有一定进水数据的基础上，通过随机森林构建的出水TN预测模型的精度更高，该研究方法能为污水预测提供一种新的尝试。

Abstract

关键词

Keywords

references

Kangyang Chen,Hexia Chen,Chuanlong Zhou,Yichao Huang,Xiangyang Qi,Ruqin Shen,Fengrui Liu,Min Zuo,Xinyi Zou,Jinfeng Wang,Yan Zhang,Da Chen,Xingguo Chen,Yongfeng Deng,Hongqiang Ren.Comparative analysis of surface water quality prediction performance and identification of key water parameters using different machine learning models based on big data[J].Water Research,2020.

Leo Breiman.Random Forests.[J].Machine Learning,2001.

刘佳,江慧琳,王静,伍卓文,李双明,曾睿,罗一洲,黄海铨,茅海峰,程琦,伍宝玲,陈晓辉.基于机器学习的区域救护车需求量预测模型的比较[J].中国急救医学,2022(10).

岳元龙,张彩虹,赵晓磊,韩云峰,左信.典型有偏估计方法均方误差极小值一致性分析[J].化工自动化及仪表,2022(04).

陶虎春,佟浩,王健,黄奕龙,张丽娟,杨凯,丁凌云,乔雪姣,豆敏,许楠.碳氮比对A/O-MBR工艺中污水脱氮除磷的影响研究[J].北京大学学报(自然科学版),2022(04).

赵旭雍,徐欣,吴永明,邓觅.水解酸化-BBR-高效沉淀在污水厂提质增效中的应用[J].工业水处理,2022(07).

李雪清,郑航,刘悦忆,万文华.基于多源数据机器学习的区域水质预测方法研究[J].水利水电技术(中英文),2021(11).

杨晓文,王爱兵,韩燮,赵融,靳瑜昕.基于KNN-PointNet的点云语义分割[J].激光与光电子学进展,2021(24).

杨玮,兰红,李民赞,孟超.基于图像处理和SVR的土壤容重与土壤孔隙度预测[J].农业工程学报,2021(12).

周长亮,苗盛,王明丽,柳超.基于深度学习和物联网技术的智慧污水管控系统[J].安全与环境工程,2021(01).

陈威,陈会娟,戴凡翔,李忠.基于人工神经网络的污水处理出水水质预测模型[J].给水排水,2020(S1).

宋亚斌,邢元军,江腾宇,林辉.基于距离相关系数和KNN回归模型的森林蓄积量估测研究[J].中南林业科技大学学报,2020(04).

周青龄,周琳,桂双林.MBR工艺在生活污水处理中同步脱氮除磷效果[J].能源研究与管理,2019(03).

赵军,王征,马小花.基于ARIMA模型对汽车工厂用电量分析与预测[J].能源研究与管理,2019(02).

陈鹏飞,王丽学,李爱迪,赵育.基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型[J].水电能源科学,2018(07).

吕平毓,曾雨虹.灰色关联法在长江宜宾-万州段水质评价的应用[J].人民长江,2016(S2).

李佟,李军.基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测[J].环境科学学报,2016(02).

刘思峰,蔡华,杨英杰,曹颖.灰色关联分析模型研究进展[J].系统工程理论与实践,2013(08).

吴代顺,桂丽娟,侯红勋,黄鑫鑫,甘冠雄,陈晓志.COD、MLSS、pH值及污泥驯化对脱氮除磷的影响[J].中国给水排水,2012(13).

徐红敏,王海英,梁瑾,黄帅.支持向量机回归算法及其应用[J].北京石油化工学院学报,2010(01).

浏览量

711

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

江西省港口普货码头污水处理碳排放

江西省高速公路服务区污水处理现状问题及建议

江西省港口普货码头污水处理现状分析及改进措施