[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

摘要

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。

主权项

一种改进型的集成加权极限学习机污水处理故障诊方法，其特征在于，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),…,(xi,yi),…,(xN,yN)}，其中xi∈X表示第i个样本的属性值，yi表示第i个样本对应的类别标签，N是样本总个数，yi∈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ht，对于第t个基分类器ht，先求每一类的召回率R1,R2,…Rk,…,RK，k为第k类，M为类别的总数量，再计算每一类的个数计为nk，以及每一个样本的分类结果A(xi)，若为分对的情况下，A(xi)＝+1；若为分错的情况下，A(xi)＝‑1；最后求G_mean＝(R1·R2…RK)1/K；S2.3、若G_mean≤0.5，则退出迭代；S2.4、根据计算基分类器ht的权重计算公式计算第t个基分类器的权重λt，G_mean越小，λt越小，表示训练误差越大则第t个基分类器在整个集成算法中占的比重越小，反之亦然；S2.5、调整样本下一轮迭代的权值分布Dt+1，Dt+1的调整规则如下所示：S2.6、令t＝t+1,若t＜T则返回S2.2，否则结束；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，其步骤过程如下：S3.1、设置集成算法的基分类器个数并记为T；S3.2、根据权值初始化方法，确定样本xi的初始权值分布D1(i)：i＝1,2,…,N；S3.3、按照S2的方法训练T个基分类器，根据基分类器权重更新公式计算基分类器的权重；S3.4、将T个基分类器进行集成，得到污水故障诊断模型：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为T，设置基分类器的最优核宽度γ，以及相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。