基于XGBoost的出水氨氮和总磷浓度的软测量研究∗

李 畅 潘 丰

（江南大学轻工过程先进控制教育部重点实验室 无锡 214122）

1 引言

随着社会经济的进步和发展，人类对水环境的污染日益加剧，污水的高效处理对于可持续发展有着越来越重要的意义［1］。氨氮是水体中的营养素，磷是藻类生长需要的一种关键元素，过量磷和氨氮是造成富营养化和赤潮的主要原因［2～4］。在2002年由国家环境保护总局发布的《城镇污水处理厂污染物排放标准》中规定一级A标准中NH4-N排放浓度最高为5mg/L，TP排放浓度最高为0.5mg/L［5～7］。

目前，针对水质中NH4-N浓度的测定，国家标准方法为纳氏试剂分光光度法，此外还有电化学分析法等［8］；针对水质中TP浓度的测定，国家标准方法为钼酸铵分光光度法，此外还有离子色谱法和罗丹明6G荧光分光光度法等［9］。这些测定方法操作繁琐，实时性不高，而相关的仪器仪表售价昂贵且维护成本较高。因此，研究如何能在低成本，操作简单的前提下实现出水NH4-N和TP浓度准确、实时的测量，具有重要的实际意义。

针对上述问题，基于数据驱动的智能化软测量方法在污水处理过程水质参数检测领域受到广泛关注和应用［10］。Deng［11］等提出基于径向基神经网络预测出水氨氮；乔俊飞［12］等使用递归RBF神经网络算法建立了出水NH4-N浓度的软测量模型；蒙西［13］等提出了一种基于类脑模块化神经网络的软测量方法实现对出水生化需氧量（BOD）和TP浓度的实时检测；Raduly［14］等通过前馈神经网络来预测多个过程变量。以上几种软测量方法虽可以基本达到实时预测的要求，但预测精度仍有待进一步提高。……