《表2 不同建模方法水质指标测试性能均方根误差对比》
为了更好地验证PLS-SCN模型的性能,本文与偏最小二乘回归(PLS)、偏最小二乘极限学习机(PLS-ELM)、支持向量机回归(SVR)和偏最小二乘神经网络(PLS-NN)建模方法进行了实验对比,如表2所示。从表2中可以看出,PLS-SCN模型测试误差明显小于传统PLS模型和SVR模型,PLS-SCN模型泛化性能优于PLS-ELM模型和PLS-NN模型预测性能。通过上述实验对比可以得出,在随机配置网络框架内,用偏最小二乘法代替经典最小二乘法,一定程度上改善了最小二乘方法因数据奇异引发的模型过拟合现象,降低了水质预报风险。实验结果验证了模型预报的有效性,可用于在线监测污水处理过程的性能,能够实时地给出预测信息并进行评估。
图表编号 | XD00193572200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 赵立杰、王佳、黄明忠、王国刚 |
绘制单位 | 沈阳化工大学信息工程学院、沈阳化工大学信息工程学院、沈阳化工大学信息工程学院、沈阳化工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |