Deep Learning Optimization for Soft Sensing of Hard-to-Measure Wastewater Key Variables

粒子群优化 超参数 软传感器 计算机科学 人工智能 人工神经网络 钥匙(锁) 度量(数据仓库) 机器学习 数据挖掘 软计算 过程(计算) 感知器 计算机安全 操作系统
作者
Jun‐Jie Zhu,Sina Borzooei,Jiachun Sun,Zhiyong Jason Ren
出处
期刊:ACS ES&T engineering [American Chemical Society]
卷期号:2 (7): 1341-1355 被引量:19
标识
DOI:10.1021/acsestengg.1c00469
摘要

Soft sensors can be an essential part of a digital twin to acquire critical wastewater information for operation optimization. Soft sensor predictions have been successfully applied in nitrogen compounds, but hard-to-measure variables such as biochemical oxygen demand (BOD) and total suspended solids (TSS) have been a major challenge partially due to difficulty in capturing complex nonlinearity and needed information acquisition. This study pinpointed the bottlenecks by developing advanced hyperparameter optimized (HPO) deep learning (DL) models and testing different groups of data. By comparing two DL algorithms [multilayer perceptron and deep belief network (DBN)] with three HPO methods (genetic algorithm, particle swarm optimization (PSO), and grey wolf optimization), we found that DBN-PSO showed performance superior to other hybrid methods for both CBOD5 and TSS predictions based on 11 years of operational data. While the hybrid models exhibit complex topography, better results can be achieved with a slow learning process and a combination of aggressive pre-training and smooth fine-tuning for CBOD5 and TSS, respectively. Additional precipitation data did not provide additional benefits, whereas metal concentration data helped further improve the prediction accuracy (testing error index: 1.9 mg CBOD5/L and 1.5 mg TSS/L), suggesting that more diverse data acquisition is valuable for a better soft-sensor practice.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
syy发布了新的文献求助10
刚刚
刚刚
1秒前
顾矜应助汉字采纳,获得20
1秒前
2秒前
科研通AI2S应助CYM采纳,获得10
2秒前
科研通AI2S应助失眠的耳机采纳,获得10
3秒前
3秒前
3秒前
汉堡包应助Simple采纳,获得10
4秒前
Owen应助清脆大米采纳,获得10
4秒前
欢呼的蝉完成签到,获得积分20
5秒前
axian完成签到,获得积分10
5秒前
无情问枫完成签到 ,获得积分10
6秒前
meng完成签到,获得积分10
6秒前
liujing1999完成签到,获得积分20
7秒前
7秒前
wangzilu完成签到,获得积分20
7秒前
7秒前
8秒前
机智身影完成签到 ,获得积分10
8秒前
所所应助紧张的南风采纳,获得10
8秒前
JamesPei应助诗音时雨采纳,获得30
9秒前
香蕉觅云应助张磊采纳,获得10
9秒前
完美世界应助魈玖采纳,获得10
9秒前
rj完成签到,获得积分10
9秒前
liujing1999发布了新的文献求助10
9秒前
April完成签到,获得积分10
10秒前
周桅应助axian采纳,获得50
11秒前
wb完成签到,获得积分10
12秒前
Vaying完成签到 ,获得积分10
13秒前
科研狗仔队完成签到,获得积分10
13秒前
13秒前
爱太阳的阿喵完成签到,获得积分10
13秒前
英姑应助三块石头采纳,获得10
14秒前
小赵完成签到,获得积分10
15秒前
小马甲应助Jeffy采纳,获得10
16秒前
哪吒大闹小布丁完成签到,获得积分10
17秒前
17秒前
大气新烟完成签到 ,获得积分10
17秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
The ACS Guide to Scholarly Communication 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3074861
求助须知:如何正确求助?哪些是违规求助? 2728212
关于积分的说明 7502977
捐赠科研通 2376311
什么是DOI,文献DOI怎么找? 1259944
科研通“疑难数据库(出版商)”最低求助积分说明 610771
版权声明 597101