Adaboost-BP在MBR膜污染中的应用研究

胡文博，李春青，任淑霞

(天津工业大学计算机科学与软件学院，天津 300387)

Adaboost-BP在MBR膜污染中的应用研究

胡文博1，李春青2，任淑霞2

(天津工业大学计算机科学与软件学院，天津 300387)

研究MBR膜通量进行膜污染预测是当今污水处理研究领域的重要课题之一，膜污染直接导致的结果是膜通量的下降。由于传统BP神经网络预测MBR膜通量存在局部极小值及模型的泛化能力较差的缺点，本文利用AdaBoost算法优化传统的BP神经网络，建立了AdaBoost-BP预测模型，并将该模型运用到MBR膜通量的预测中。通过预测数据和实验数据的对比，得出该模型的可行性，同时将其对比传统的BP神经网络模型，说明AdaBoost-BP预测模型具有更高的预测精度。

MBR；膜通量；AdaBoost-BP；BP神经网络

本文著录格式：胡文博，李春青，任淑霞. Adaboost-BP在MBR膜污染中的应用研究[J]. 软件，2016，37（12）：21-25

0 引言

膜生物反应器（MBR）是将膜分离技术和生物处理单元相结合的一种新型污水处理工艺，它是利用微生物对反应基质进行生物转化，同时利用膜组件分离反应产物并截留生物体[1]。目前研究MBR模拟仿真系统模型的热点之一是通过利用膜通量影响因素，结合智能仿真模型来预测膜通量。现阶段，对MBR膜通量仿真预测的方法有很多种，例如：数学模型、自回归、BP神经网络、支持向量机等。然而，这些传统的方法预测效果并不是很理想。AdaBoost-BP模型是将BP神经网络作为弱分类器，通过AdaBoost算法将其升级，使之成为强分类器模型，进而更好对实验数据进行预测[2]。

1 BP预测模型

目前，传统的BP神经网络应用已非常广泛，它能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。……