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
1秒前
李啦啦关注了科研通微信公众号
2秒前
力口氵由发布了新的文献求助10
2秒前
3秒前
3秒前
张童鞋发布了新的文献求助10
4秒前
顾矜应助江蹇采纳,获得10
4秒前
朱w发布了新的文献求助10
4秒前
计算小凡发布了新的文献求助10
5秒前
5秒前
徐木木完成签到,获得积分10
6秒前
7秒前
7秒前
随行由心完成签到,获得积分10
7秒前
叶绿体机智完成签到,获得积分10
9秒前
wanghuifen123发布了新的文献求助10
9秒前
zhangscience发布了新的文献求助10
9秒前
able完成签到 ,获得积分10
11秒前
郭自同发布了新的文献求助10
12秒前
hcj完成签到,获得积分10
13秒前
13秒前
15秒前
时尚的初柔完成签到,获得积分10
15秒前
爆米花应助zhangscience采纳,获得10
15秒前
李啦啦发布了新的文献求助10
16秒前
朱w完成签到,获得积分10
16秒前
17秒前
wanghuifen123完成签到,获得积分10
18秒前
18秒前
孙小雨完成签到,获得积分10
20秒前
yyyyyqy发布了新的文献求助10
20秒前
小可爱啵完成签到,获得积分10
21秒前
白色风车完成签到,获得积分10
21秒前
无奈的如彤完成签到,获得积分10
22秒前
安可瓶子发布了新的文献求助10
25秒前
Murphy应助郭自同采纳,获得10
25秒前
共享精神应助菜菜子采纳,获得10
25秒前
wanci应助李东秋采纳,获得10
25秒前
yufanhui应助Leon采纳,获得10
28秒前
28秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 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 3155971
求助须知:如何正确求助?哪些是违规求助? 2807318
关于积分的说明 7872715
捐赠科研通 2465696
什么是DOI,文献DOI怎么找? 1312291
科研通“疑难数据库(出版商)”最低求助积分说明 630049
版权声明 601905