[发明专利]一种改进型的集成加权极限学习机污水处理故障诊断方法

说明书

本发明公开了一种改进型的集成加权极限学习机污水处理故障诊断方法，包括：S1、针对基分类器，采用倾向于少数类样本的赋值公式，对加权极限学习机的初始权值进行赋值；S2、训练基分类器；S3、提出新型的集成算法基分类器权值更新公式，以加权极限学习机为基分类器，以Adaboost迭代方法对多个基分类器进行集成，建立改进型的污水故障诊断模型；S4、输入污水处理过程中产生的样本数据，设置集成算法的基分类器个数T，基分类器的最优核宽度γ，对应的最优正则化系数C，建立污水处理系统的故障诊断模型并进行性能测试。本发明可以实现多个类别的不平衡数据分类，提高了不平衡数据的分类性能特别是少数类的分类正确率，有效提高了污水处理过程中故障诊断的准确性。

技术领域

本发明涉及污水处理故障诊断的技术领域，尤其是指一种改进型的集成加权极限学习机污水处理故障诊断方法。

背景技术

污水处理是一个复杂的、影响因素非常多的生化过程，污水处理厂难以保持长期稳定的运行，发生故障容易引起出水水质不达标、运行费用增高和环境二次污染等严重问题，所以需要对污水处理厂运行状态进行监控，诊断出运行故障并及时处理。

污水处理过程的故障诊断实际是一个模式识别的问题，分类过程中常常还会遇到污水数据集的分布不均衡问题。传统的机器学习方法容易使分类准确率偏向于多数类，而实际分类中更加看重的是少数类的分类准确率，即故障类的分类准确率。及时准确的发现故障可以很大程度上减少污水处理厂的损失，另一方面提高污水处理厂的工作效率。

发明内容

本发明针对污水处理厂的故障诊断问题，提供了一种改进型的集成加权极限学习机污水处理故障诊断方法，该方法将不平衡分类评价指标G-mean引入以加权极限学习机为基分类器的Adaboost集成分类算法，用于污水处理过程故障诊断，可以实现多个类别的不平衡数据分类，提高了不平衡数据的分类性能特别是少数类的分类正确率，有效提高了污水处理过程中故障诊断的准确性。

为实现上述目的，本发明所提供的技术方案为：一种改进型的集成加权极限学习机污水处理故障诊断方法，包括以下步骤：

S1、针对基分类器，采用倾向于少数类样本的赋值公式，对加权极限学习机的初始权值进行赋值；

S2、训练基分类器：计算前一个基分类器的召回率recall和性能评价指标G-mean值，采用基于G-mean的初始权值矩阵更新公式，对下一个加权极限学习机基分类器的权值矩阵进行调整并建立基分类器模型，其步骤过程如下：

S2.1、给定污水样本集{(x₁,y₁),(x₂,y₂),…,(x_i,y_i),…,(x_N,y_N)}，其中x_i∈X表示第i个样本的属性值，y_i表示第i个样本对应的类别标签，N是样本总个数，y_i∈Y＝{1,2,…,k,…,K}，k表示第k个类别，K表示总共有K个类别；设置集成算法的基分类器个数并记为T；

S2.2、使用加权核极限学习机作为基分类器对训练样本进行训练，得到训练模型h_t，对于第t个基分类器h_t，先求每一类的召回率R₁,R₂,…R_k,…,R_K，k为第k类，M为类别的总数量，再计算每一类的个数计为n_k，以及每一个样本的分类结果A(x_i)，若为分对的情况下，A(x_i)＝+1；若为分错的情况下，A(x_i)＝-1；最后求G_mean＝(R₁·R₂…R_K)^1/K；

S2.3、若G_mean≤0.5，则退出迭代；