论文详情
2024年第12期
• 污水处理与回用 •
孤立森林算法优化的XGBoost 对养殖废水处理水质预测建模
作者：邓志成，万金泉，王艳，朱斌，吴昌政，吉世明
作者单位：华南理工大学环境与能源学院；广东顺控自华科技有限公司
引用本文：邓志成, 万金泉, 王艳, 等.孤立森林算法优化的XGBoost 对养殖废水处理水质预测建模[J].净水技术, 2024, 43(12): 96-102,110.
摘要：为解决水质软测量过程中数据失真问题,研究采用孤立森林(isolation forest, IF)算法对水质传感器在线监测数据进行异常值处理,使用递归特征消除(recursive feature elimination, RFE)优化模型变量选择,采用XGBoost 算法构建水质预测模型,用于预测经处理后养殖鱼塘尾水出水化学需氧量(COD<sub>Cr</sub>)、总氮(TN)和总磷(TP)。 试验表明,XGBoost 算法构建的生物净化池COD<sub>Cr</sub>、TN 和TP 水质预测模型具有良好的预测性能,各模型决定系数(R2)分别达到了0.837、0.804 和0.878,平均绝对误差(mean absolute error, MAE)分别为0.679、0.087 和0.036,均方根误差(root mean square error, RMSE)分别为0.700、0.105 和0.044。 同时,使用IF 算法对采集到的数据进行异常值识别与剔除后,模型的R2 提升至0.875、0.866 和0.926,MAE降低至0.658、0.077 和0.028,RMSE 降低至0.681、0.099 和0.035。 研究对于发展水质智能软测量技术具有重要的指导价值。
关键词：机器学习，孤立森林，异常值检测，养殖尾水，水质预测
基金资助：广东省佛山市科技创新项目(2130218003140)
