第４４卷第２期Ｖｏｌ．４４Ｎｏ．２２０２３青岛理工大学学报ＪｏｕｒｎａｌｏｆＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ基于ＧＡ－机器学习模型的污水处理厂ＢＯＤ软测量研究苗露１，姚怡帆２，王黎佳３，王丽艳３，黄黎明３，刘长青２（１．青岛市团岛污水处理厂，青岛２６６００２；２．青岛理工大学环境与市政工程学院，青岛２６６５２５；３．青岛张村河水务有限公司，青岛２６６１００）摘要：生化需氧量（ＢＯＤ）是污水处理厂水质监测的重要指标。污水处理厂进水ＢＯＤ指标的传统检测方法存在测试时间长、实际操作复杂等局限性，无法为污水处理厂根据进水水质波动进行工艺参数调整提供及时和准确的指导。为此，研究了使用支持向量机回归（ＳｕｐｐｏｒｔＶｅｃｔｏｒＲｅｇｒｅｓｓｉｏｎ，ＳＶＲ）及极端梯度提升（Ｅｘ－ｔｒｅｍｅＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇ，ＸＧＢｏｏｓｔ）两种机器学习模型算法对进水ＢＯＤ进行软测量的可行性，同时辅以遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，ＧＡ）进行参数优化。结果表明，采用ＧＡ进行参数优化能够提升ＳＶＲ模型与ＸＧ－Ｂｏｏｓｔ模型的预测精度，均方根误差（ＲｏｏｔＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒ，ＲＭＳＥ）分别降低１０．７０％与３３．３３％。相比较ＧＡ－ＸＧＢｏｏｓｔ模型，使用ＧＡ－ＳＶＲ方法进行预测的结果更准确，拟合度（Ｒ２）可达０．９１８。研究结果可为污水处理厂进水ＢＯＤ指标软测量方法的工程应用提供数据支撑。关键词：生化需氧量（ＢＯＤ）；软测量；遗传算法；机器学习中图分类号：ＴＵ９９２．３文献标志码：Ａ文章编号：１６７３－４６０２（２０２３）０２－０１３３－０７收稿日期：２０２２－０４－１７基金项目：国家重点研发计划（２０２０ＹＦＤ１１００３０３）作者简介：苗露（１９７８－），女，山东青岛人。工程师，主要从事污水处理及资源化方面的研究。Ｅ－ｍａｉｌ：６４０５２６９７＠ｑｑ．ｃｏｍ。ＲｅｓｅａｒｃｈｏｎＢＯＤｓｏｆｔｓｅｎｓｉｎｇｏｆｗａｓｔｅｗａｔｅｒｔｒｅａｔｍｅｎｔｐｌａｎｔｂａｓｅｄｏｎＧＡ－ｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｏｄｅｌＭＩＡＯＬｕ１，ＹＡＯＹｉｆａｎ２，ＷＡＮＧＬｉｊｉａ３，ＷＡＮＧＬｉｙａｎ３，ＨＵＡＮＧＬｉｍｉｎｇ３，ＬＩＵＣｈａｎｇｑｉｎｇ２（１．ＱｉｎｇｄａｏＴｕａｎｄａｏＷａｓｔｅｗａｔｅｒＴｒｅａｔｍｅｎｔＰｌａｎｔ，...
