集成学习在造纸废水出水指标预测中的应用

摘要

造纸行业的废水排放在工业废水排放总量中占较高的比重,对水污染控制有着重要影响。其中,化学需氧量、悬浮固形物、出水氨浓度以及出水硝酸盐浓度等水质参数是反映实时净化效果、实现废水处理过程在线控制与优化管理的关键指标。由于废水处理过程具有强滞后、非平稳、强干扰、工作环境恶劣、反应机理复杂等特性,采用传统的预测模型很难得到较好的预测效果。本文提出一种基于深度随机森林的集成学习模型。通过对比深度随机森林模型与传统回归模型的出水指标预测效果发现,深度随机森林模型具有更好的模型精度与更强的泛化能力,具有进一步应用研究的价值。