基于偏最小二乘算法的造纸废水处理过程监测研究开题报告

1. 研究目的与意义

1.1研究背景和意义

随着现代科技的高速发展，工业过程的复杂程度和规模也在同步提高，现在的人们更多关注的是要保证过程安全和提高产品质量。基于数据驱动的建模方法可细分为基于多元统计分析、基于统计学习理论和基于人工智能的三种建模方法^[1]。相对于传统的基于机理模型的故障监测，基于数据驱动的多元系统分析方法得到了更多的运用，基于机理模型的故障监测是以单变量统计监测为主，人们只能对测量指标进行单独的测量，但在现实的工业过程中，多是很多变量交叉影响，测量样本存在动态相关性，并且过程中会有不可知的干扰，而基于多元统计分析的过程监测方法不需知道过程精确解析模型，通过利用过程变量之间的相关性进行故障监测^[2]。复杂工业过程一旦发生事故，会对生产安全、效率和产品质量产生不可挽回的影响^[3]，所以做好过程监控是工业生产过程中重要的分支。

现如今水资源越来越紧张，提倡节约用水，而造纸又是一个大量用水的过程，污水处理效果的好坏不仅关系着自然环境的安全及人类的健康，而且废水处理的费用极其庞大^[4]，所以造纸废水的处理是企业降低生产成本以及达到生产效益的重要渠道，近年来,全国的污水处理和排放情况并不是很乐观。2008年全国工业总耗纯净水资源549.63亿吨，其中工业污水排放量为217.38亿吨,COD排放量404.8万吨，为了保证生产安全和提高产品质量，先进控制和优化控制技术纷纷被用于现代生产过程中，而应用中首先遇到的一个难题就是许多产品的质量指标无法直接测量出来,所以工业污水的自动化处理已经变得越来越重要^[5]。

2. 国内外研究现状分析

1.2基于偏最小二乘算法（PLS)的概述

偏最小二乘最早是由H. Wold提出，最早是应用在经济领域，后来被S. Wold发展和推广应用于化学计量学^[6]。研究工业过程多从两方面分析：第一个就是直接测量，但由于很多变量无法实时监测所以效果不是很明显^[7]；第二个就是采用间接测量，利用已经获得的其他参数，通过建立它们之间的数学关系来对被测变量进行估计，也称为软测量技术^[8]。PLS就是一种软测量技术，它是一种能够获得过程数据的方差，同时还能最大化输入矩阵X和输出矩阵Y之间相关性的普遍使用的数据降维和软测量建模工具^[9],更多关注的是过程变量空间中与质量变量相关的那些方向，是质量相关的过程监测方法^[10]，从而能为生产过程故障是否会影响产品质量提供了保障。

3. 研究的基本内容与计划

1.2.1pls的建模原理

先在自变量中提取合适的线性组合，同时在因变量中也提取第一主成分，并要求和的相关程度达到最大，然后建立与的回归，如果回归方程达到满意的精度，则算法中止，否则接着第二成分的提取，直到达到满意的精度。

有两个数据矩阵，输入矩阵x，有m组样本，n个测量变量，输出矩阵y，并且认为有线性关系y=xb e,其中b为回归系数矩阵，e为残差矩阵。

对x、y进行主成分分解

4. 研究创新点

1.3特色与创新

传统的过程监测是以概率论和数理统计为基础的，在过程检测应用的早期，由于受测量技术和分析技术的影响，人们只能检测出几个生产过程中的重要指标，但是随着测量技术的快速发展，人们已经能够对越来越多的过程变量进行检测，并且复杂工业过程中变量之间往往存在相关关系，所以传统的监测方式已不适合于现代生产的要求，就需要运用多变量统计过程监测^[15]。

多变量过程监测主要以pca、pls等为主要理论骨架，本文只要详细介绍pls偏最小二乘法。废水处理过程是复杂的工业过程控制，为了研究出最佳的控制方法，万金泉等人^[16]将自适应模糊神经网络系统用于出水cod和ss的预测；胡志华等人^[17]提出将ann算法用于造纸废水处理智能控制系统。偏最小二乘法具有克服变量间的相关性及噪声干扰等优点^[18],所以在复杂工业过程控制中得到了广泛应用，本文将用pls方法对于造纸厂废水数据进行处理，设置故障方案进行监测。

由于偏最小二乘法在数据共线性问题^[19]（变量之间的耦合关系会导致预测矩阵的协方差矩阵会是一个病态矩阵，从而造成回归模型的不稳定）以及小样本数据的回归建模^[20]（对于样本个数点小于变量数的无能为力）方面监测效果不是很理想，人们也在研究更佳的方法，比如helland^[21]等人提出了递归偏最小二乘（rpls)，它会在预测过程中不断更新模型的回归系数，以便更快速的获取过程监测信息^[22]。