摘要：工业污水处理过程具有高度非线性的特点,对水质指标中的生物需氧量的实时监测提出了挑战,提出一种基于核主元分析和Bagging算法的高斯过程回归建模方法。首先,采用核主元分析方法将采集到的污水数据投影到高维空间进行降维处理,提取非线性主元作为模型输入;然后采用Bagging集成学习算法得到若干样本子集,建立相应的高斯过程回归模型;最后根据贝叶斯后验概率计算得到各子模型的权重,对各子模型的输出进行融合,得到全局预测值。对实际污水处理过程数据的仿真结果表明,所提方法具有良好的预测精度与泛化能力。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社