关键词:
LSTM模型
皮尔逊相关性
网格搜索算法
出水总氮
摘要:
出水总氮质量浓度是评价污水处理厂生物脱氮效果的关键指标之一。为解决污水厂总氮排放易超标的问题,提出了一个基于长短期记忆网络(LSTM)的出水总氮实时预测模型。利用皮尔逊相关性分析来确定模型输入,并通过网格搜索算法优化模型超参数。将得到的LSTM模型应用于重庆市某实际污水处理厂预测出水总氮,并与传统的时序模型作对比,验证了该模型的可行性。结果表明:LSTM模型能够较好地预测出水总氮,其预测值与实际值的平均绝对误差为0.911 mg/L,均方根误差为1.074 mg/L,平均绝对百分比误差为11.28%,各项指标均优于循环神经网络(RNN)模型和自回归差分移动平均(ARIMA)模型。这一模型的构建可以为出水总氮的高效监测提供帮助。