基于PCA-BiLSTM的污水处理过程运行状态识别模型

摘要

针对污水处理过程数据结构复杂、前后时刻存在关联、非线性强的特点，提出基于PCA-BiLSTM的污水处理过程异常状态识别模型。在模型训练前，针对数据集明显不平衡的问题，采用SMOTE算法对数据进行平衡化处理。利用主成分分析(PCA)提取各传感器数据的关键特征，以提升模型训练效率，降低输入维度。将PCA处理后的特征数据输入BiLSTM网络，以异常状态类别作为输出，构建基于PCA-BiLSTM污水处理过程的运行状态识别模型。基于某污水处理厂采集的实际数据，将本模型与BiLSTM、SVM、MLP等模型进行对比实验，结果表明，采用PCA-BiLSTM模型进行训练，网络收敛更快，其运行状态识别效果优于其他模型。

关键词

BiLSTM / 主成分分析 / 污水处理厂 / 异常状态识别

基金资助

浙江省自然科学基金项目(LTGS23F030003)