基于动态数据驱动的生物氧化槽进气量预测

摘要

针对生物氧化槽进气量预测系统的开环调节、强时滞性、预测精度低等问题,提出一种基于动态数据驱动的生物氧化槽进气量预测方法.通过多级氧化槽进气量时间序列数据建立氧化槽进气量状态空间模型,采用Kalman滤波算法进行预测数据和实测数据的动态融合,并对预测值及模型参数进行实时在线更新,由此构建基于动态数据驱动的生物氧化槽进气量预测模型框架.实验结果表明,与未考虑多级槽间相关性的传统方法相比,该预测框架能够对生物氧化槽进气量进行较准确的预测.