《表3 不同方法的预测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于STA-K均值聚类的电化学废水处理过程离子浓度软测量》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用平均相对误差（mean relative error，MRE）、均方根误差（root mean square error，RMSE）和最大误差（max error，MAXE）作为性能评价指标。由于电化学过程的复杂性和不确定性，在机理建模过程中有一些假设条件（如假设极板不发生钝化行为），导致机理模型存在一定的误差。实验预测结果对比如表3和图1所示。从图1可看出，大体来说，机理模型结果与实测值吻合较好，可以用于估计铅离子浓度的大体趋势。但是利用单个动力学模型描述电化学全过程时，忽略不同工况区域内环境因素和边界条件变化引起的扰动幅值、过程数据变化，势必会造成模型预测精度较低，外推能力较差。因此，需要联系实际提取典型动态特性，得到不同运行状态下的多模型测量方法。从表3可以看出，相较于其他方法，本文建立的模型MRE分别提高了0.0448、0.0287、0.0218，RMSE分别提高了0.002、0.0011、0.001，无论是在预测精度还是稳定性方面均有提升。与此同时，应用本文方法得到的最大相对误差最小。由此可见，本文方法对于实现污水处理厂电化学重金属离子的在线软测量是合理有效的。