劉鴻斌， 楊 沖

(南京林業(yè)大學(xué) 江蘇省林業(yè)資源高效加工利用協(xié)同創(chuàng)新中心， 江蘇 南京 210037)

在造紙廢水處理過程中，往往存在著大量難以測量或無法在線測量、且密切影響著出水指標(biāo)控制的參數(shù)，被稱作主導(dǎo)變量，如化學(xué)需氧量(chemical oxygen demand, COD)和懸浮固形物(suspended so-lids, SS)等.為提高造紙污水處理的達(dá)標(biāo)率，提升系統(tǒng)的穩(wěn)定性，需要對這些主導(dǎo)變量進(jìn)行及時監(jiān)測.傳統(tǒng)傳感器測量方法普遍存在成本高、維護(hù)難、穩(wěn)定性能差和使用壽命短等問題.相比之下，軟測量技術(shù)以建模簡單、方法多樣及預(yù)測效果可觀等優(yōu)勢，為精確的數(shù)據(jù)測量提供了較好的選擇.在軟測量模型中，基于數(shù)據(jù)的軟測量模型旨在挖掘潛在信息，以解釋數(shù)據(jù)特征，更適合工業(yè)過程預(yù)測，主要包括回歸分析模型、人工智能模型與潛變量模型等.

多元線性回歸(multiple linear regression, MLR)是回歸分析中基本的統(tǒng)計分析方法，適用于多種因素關(guān)聯(lián)的變化結(jié)果，其分析的技術(shù)核心是最小二乘法，屬于線性方法，不適于復(fù)雜非線性的造紙廢水處理過程建模.人工智能模型中的人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)和支持向量機(jī)(support vector machine, SVM)應(yīng)用較為廣泛，屬于非線性處理方法.在廢水處理領(lǐng)域，HUANG M.Z.等[1]將基于遺傳算法的模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于生物污水處理中養(yǎng)分濃度的實時估計.汪瑤等[2]使用ANN和最小二乘支持向量機(jī)(least square support vector machine, LSSVM)對出水COD和SS含量進(jìn)行了軟測量建模，并比較了兩種方法的優(yōu)劣.在其他工業(yè)領(lǐng)域，J. C. B. GONZAGA等[3]采用ANN完成了對于聚對苯二甲酸乙二酯黏度的在線估計，為進(jìn)行實時工藝控制提供了有效方案.LIU H.B.等[4]采用即時學(xué)習(xí)技術(shù)提高了最小二乘支持向量機(jī)對地鐵內(nèi)PM2.5含量的預(yù)測效果.不同于以上兩種非線性方法，高斯過程回歸(gaussian process regression, GPR)用來描述函數(shù)的分布問題，C. E. RASMUSSEN等[5]將其應(yīng)用于機(jī)器學(xué)習(xí).具有易實現(xiàn)、靈活的非參數(shù)推廣及超參數(shù)自適應(yīng)調(diào)節(jié)等優(yōu)點，可以對預(yù)測輸出變量做出概率解釋[6].此外，GPR還可通過對核函數(shù)進(jìn)行組合的方式，使模型具備不同的函數(shù)特性[7].因此，對于數(shù)據(jù)特征較為復(fù)雜的造紙廢水處理過程，GPR具有很大優(yōu)勢.宋留等[8]采用核函數(shù)相加的方式構(gòu)建GPR模型，對造紙廢水處理過程中的出水指標(biāo)進(jìn)行預(yù)測，結(jié)果顯示高斯過程回歸模型的預(yù)測效果優(yōu)于多元線性回歸、主成分回歸、偏最小二乘回歸及人工神經(jīng)網(wǎng)絡(luò)等常規(guī)軟測量模型.

潛變量模型的優(yōu)點在于，經(jīng)過模型分解與參數(shù)選擇，潛變量不僅包含對數(shù)據(jù)的解釋，而且具備低維度與獨(dú)立正交關(guān)系，因此可有效減弱原始工業(yè)數(shù)據(jù)對于模型預(yù)測結(jié)果的不利影響.常用的潛變量模型有主成分分析法(principal component analysis, PCA)、偏最小二乘法(partial least squares, PLS)和典型相關(guān)分析法(canonical correlation analysis, CCA)[9-10].在基于潛變量模型的軟測量模型中，XIE B.等[11]將PCA-LSSVM與非支配排序遺傳算法結(jié)合，用于完成氨濃度與總氮濃度的預(yù)測，以更好地控制廢水處理中厭氧氨氧化過程.劉鴻斌等[12]采用基于PCA主成分的ANN與LSSVM軟測量模型，對造紙廢水處理過程中的出水COD和SS含量進(jìn)行預(yù)測，結(jié)果顯示PCA-ANN與PCA-LSSVM模型在預(yù)測性能上優(yōu)于常規(guī)模型.

上述方法中，雖然潛變量模型的應(yīng)用均有積極效果，但并未考慮到監(jiān)督型潛變量方法的建模效果.PCA主成分的提取來自于對輸入數(shù)據(jù)X的分析，與輸出數(shù)據(jù)Y無關(guān)，因此，無法確保根據(jù)特征值降序排列所提取的PCA主成分對于Y是否具有最佳解釋效果.而PLS和CCA在概括自變量系統(tǒng)信息的同時，注重要求所提取的得分向量對輸出數(shù)據(jù)Y的解釋能力，因此更具備質(zhì)量相關(guān)特性.此外，相比于CCA，PLS在確保X與Y相關(guān)性的同時，也注重對于數(shù)據(jù)方差結(jié)構(gòu)的解釋，在潛變量模型中的應(yīng)用最為廣泛.

常規(guī)的潛變量模型均為線性方法，面對非線性數(shù)據(jù)缺乏一定的解釋能力.近年來，核方法的應(yīng)用為潛變量模型提供了更大的應(yīng)用空間，包括故障檢測、故障重構(gòu)及故障分析等[13].對于預(yù)測模型的構(gòu)建，WANG M.Y.等[14]將核偏最小二乘(kernel partial least squares, KPLS)運(yùn)用于兩種非線性案例，驗證了KPLS對于數(shù)據(jù)預(yù)測的高效性.HUANG X.等[15]根據(jù)線性PLS回歸過程中的變量貢獻(xiàn)率優(yōu)化了KPLS模型，提高了模型預(yù)測能力.從理論上講，KPLS預(yù)測模型完成了兩個步驟：首先，經(jīng)非線性映射，將輸入數(shù)據(jù)轉(zhuǎn)移至高維特征空間，使得非線性特征更易被模型提??；其次，完成高維特征空間數(shù)據(jù)與輸出數(shù)據(jù)的線性PLS擬合.因此，KPLS的潛變量既保持了常規(guī)潛變量對于數(shù)據(jù)維度和結(jié)構(gòu)的優(yōu)化，同時提升了對非線性數(shù)據(jù)的解釋能力.

基于KPLS潛變量與GPR的優(yōu)點，采取KPLS-GPR模型對造紙廢水處理過程進(jìn)行軟測量建模，分別完成對于出水COD和SS含量的預(yù)測.此外，引入常規(guī)的潛變量方法(PLS)與預(yù)測模型(ANN)作為對比元素，以驗證KPLS-GPR模型的預(yù)測能力.

1 KPLS潛變量模型

KPLS的構(gòu)建可分為兩步：首先通過非線性映射將輸入變量映射到高維特征空間，其次建立高維變量與輸出變量間的線性PLS模型.根據(jù)Cover定理，原始數(shù)據(jù)中的非線性特征在高維空間中可能呈現(xiàn)線性特征.因此，經(jīng)模型分解，KPLS的潛變量可對數(shù)據(jù)的非線性特征具備更高的解釋能力.

假設(shè)輸入矩陣X=[x1,x2,…,xn]T∈Rn×m包含n個測量樣本，m個過程變量；輸出矩陣Y=[y1,y2,…,yn]T∈Rn×s包含n個測量樣本，s個過程變量.輸入數(shù)據(jù)xi經(jīng)非線性映射，可表示為φi=Φ(xi)，則高維特征空間內(nèi)兩個變量的內(nèi)積可使用核技巧表示[10]：

(1)

式中：xi和xj為輸入變量，i，j=1,2,…,n；K(x)為核函數(shù).

在不同種類的核函數(shù)中，較為常用的為高斯徑向基函數(shù)(radial basis function, RBF)，即

(2)

式中：σR為核函數(shù)寬度.

基于此，所有輸入數(shù)據(jù)在特征空間中可表示為

φ(X)=(φ(x1),φ(x2),…,φ(xn))T.

(3)

則特征空間數(shù)據(jù)的內(nèi)積可以由n×n的Gram矩陣代替：

(4)

KPLS的模型分解可表示為

(5)

式中：T為K的得分矩陣，T=[t1,t2,…,td]∈Rn×d；U為Y的得分矩陣，U=[u1,u2,…,ud]∈Rn×d；P和Q分別為K和Y負(fù)載矩陣，P=[p1,p2,…,pd]∈Rm×d，Q=[q1,q2,…,qd]∈Rp×d；E和F分別為K和Y的殘差矩陣；d為KPLS的潛變量的個數(shù).

使用非線性迭代最小二乘法(non-linear iterative partial least squares, NIPALS)可以完成模型求解，具體步驟可參考文獻(xiàn)[16].

2 預(yù)測模型

2.1 GPR建模原理

假設(shè)輸入矩陣為X=[x1,x2,…,xn]T∈Rn×m，模型輸出值為y∈Rn×1，n為樣本量，m為變量個數(shù).由于高斯過程是任意有限個具有聯(lián)合高斯分布的函數(shù)集合[5]，因此可表示為

f(x)～GP(m(x),C(x,x′))，

(6)

式中：m(x)為均值函數(shù)；C(x,x′)為協(xié)方差函數(shù).

由于數(shù)據(jù)標(biāo)準(zhǔn)化后均值為0，因此高斯過程可簡化為

f(X)～GP(0,C(xi,xj))，

(7)

式中：i,j=1,2,…,n.

將噪聲考慮到觀測目標(biāo)值中，考慮如下的回歸模型：

y=f(X)+ε，

(8)

(9)

觀測值y與預(yù)測值y*的聯(lián)合先驗分布為

(10)

式中：X為輸入訓(xùn)練集；X*為輸入測試集；C(X,X*)代表著訓(xùn)練集X與測試集X*樣本點間的協(xié)方差矩陣，C(X,X*)=C(X*,X)T；C(X*,X*)為測試集X*樣本自身的協(xié)方差矩陣；In為n維單位矩陣.

由此，高斯過程回歸的預(yù)測值可表示為

(11)

其中，

(12)

(13)

預(yù)測點的均值與方差分別用來計算預(yù)測值和對應(yīng)的置信區(qū)間[6].

2.2 協(xié)方差函數(shù)

高斯過程回歸可以選擇不同的協(xié)方差函數(shù)進(jìn)行預(yù)測，以下介紹3種協(xié)方差函數(shù)[5]：

1) 平方指數(shù)協(xié)方差函數(shù)(squared exponential covariance function, SE),即

(14)

2)線性協(xié)方差函數(shù)(linear covariance function, L)，即

(15)

3)周期性協(xié)方差函數(shù)(periodic covariance function, P)，

CP(xi,xj)=C0(u(xi),u(xj))，

(16)

式中：C0為任意隨機(jī)核函數(shù).

周期性協(xié)方差函數(shù)將一維輸入變量映射到二維u(x)空間，從而得到關(guān)于x的周期性隨機(jī)函數(shù)：

(17)

式中：p為周期參數(shù).

若C0=CSE，則Cp可以轉(zhuǎn)化為

(18)

2.3 協(xié)方差函數(shù)的組合

高斯過程允許組合不同的協(xié)方差函數(shù)產(chǎn)生新的協(xié)方差函數(shù)，文獻(xiàn)[7]將協(xié)方差函數(shù)累加的方式視作邏輯“或”運(yùn)算.通過協(xié)方差函數(shù)相加的方式組成的高斯過程，可視為具備不同結(jié)構(gòu)獨(dú)立函數(shù)的累加過程.因此，組合后高斯過程具備豐富的模型結(jié)構(gòu)和較強(qiáng)的數(shù)據(jù)解釋能力.假設(shè)f1，f2相互獨(dú)立，并符合分布f1～GP(u1,k1)，f2～GP(u2,k2)，則兩個函數(shù)相加可表示為f=f1+f2～GP(u1+u2,k1+k2).

2.4 超參數(shù)的獲取

超參數(shù)的集合一般通過最大似然法求得，即

(19)

3 基于潛變量的軟測量建模過程

基于潛變量的軟測量建模流程如圖1所示.圖中ρ(COD)in和ρ(COD)eff分別為進(jìn)、出水的COD質(zhì)量濃度；ρ(SS)in和ρ(SS)eff分別為進(jìn)、出水的SS質(zhì)量濃度；Q為流量；t為溫度；ρ(DO)為DO的溶解氧質(zhì)量濃度.該流程圖包括以下4個部分：① 完成數(shù)據(jù)的標(biāo)準(zhǔn)化與預(yù)處理； ② 構(gòu)建KPLS模型，對樣本數(shù)據(jù)進(jìn)行分解，完成得分矩陣T的選?。?③ 建立所述得分矩陣T與輸出數(shù)據(jù)Y的GPR預(yù)測模型； ④ 根據(jù)輸出數(shù)據(jù)的預(yù)測值與測量值，計算出均方根誤差(RMSE)與決定系數(shù)(R2)，完成對KPLS-GPR模型預(yù)測能力的評估.

圖1 基于KPLS潛變量的軟測量流程圖

RMSE和R2表示如下：

(20)

(21)

RMSE越接近于0，代表該模型預(yù)測試驗數(shù)據(jù)具有更高的精確度.R2的結(jié)果一般在0到1之間，R2越接近1，擬合程度越高.

4 仿真試驗與討論

為驗證模型的預(yù)測能力，仿真試驗基于造紙廢水?dāng)?shù)據(jù)，分別完成對出水COD和出水SS質(zhì)量濃度的數(shù)據(jù)預(yù)測.此外，建立常規(guī)預(yù)測模型(ANN和GPR)、基于PLS的潛變量模型(PLS-ANN和PLS-GPR)以及基于KPLS的潛變量模型(KPLS-ANN和KPLS-GPR)，完成預(yù)測能力的對比.

4.1 造紙廢水?dāng)?shù)據(jù)采集與處理

造紙廢水?dāng)?shù)據(jù)取自廣東省東莞市某造紙廠好氧段廢水監(jiān)測數(shù)據(jù).取樣間隔2～3 d.數(shù)據(jù)包括8個廢水變量，每個變量包括170個測量值[17].造紙廢水處理過程數(shù)據(jù)如圖2所示.對數(shù)據(jù)進(jìn)行預(yù)處理后，共有162個測量數(shù)據(jù)用于仿真試驗，其中前100個測量樣本為訓(xùn)練集，后62個測量樣本作為測試集.預(yù)測模型的輸入端包括ρ(COD)in，ρ(SS)in，ρ(DO)，Q，t和pH等6個變量；ρ(COD)eff和ρ(SS)eff為輸出端變量.

圖2 造紙廢水處理過程數(shù)據(jù)

4.2 預(yù)測模型

4.2.1常規(guī)預(yù)測模型

使用軟測量模型進(jìn)行數(shù)據(jù)預(yù)測前，需對模型參數(shù)進(jìn)行調(diào)整，以取得最優(yōu)預(yù)測結(jié)果.ANN模型的網(wǎng)絡(luò)總層數(shù)為3層，包含1個輸入層、1個隱含層和1個輸出層，其中輸入層節(jié)點數(shù)為6個，隱含層節(jié)點數(shù)為3個，輸出層節(jié)點數(shù)為1個.隱含層采用tan-sigmoid激活函數(shù)，輸出層采用purelin激活函數(shù).對于GPR模型，采取CSE+L+P(見2.3部分)作為協(xié)方差函數(shù)，使用最大似然法求得7個最優(yōu)超參數(shù).

4.2.2基于PLS潛變量的預(yù)測模型

表1列出了采用PLS建模時，不同潛變量個數(shù)對方差貢獻(xiàn)率以及累計貢獻(xiàn)率的影響.由表1可知：輸入數(shù)據(jù)的累計方差貢獻(xiàn)率，在潛變量個數(shù)超過3個后變化趨于平緩；輸出數(shù)據(jù)的累計方差貢獻(xiàn)率，在潛變量個數(shù)超出3個后無明顯變化.故選擇前3個潛變量作為預(yù)測模型的輸入較為合適.此外，PLS-GPR預(yù)測模型中GPR核函數(shù)選取和參數(shù)選擇方式與4.2.1部分相同；由于潛變量的選擇，PLS-ANN的輸入層節(jié)點變?yōu)?個，其余的網(wǎng)絡(luò)結(jié)構(gòu)與ANN保持一致.

表1 PLS模型潛變量的方差貢獻(xiàn)率及累計貢獻(xiàn)率 %

4.2.3基于KPLS潛變量的預(yù)測模型

不同于PLS模型，KPLS模型分解建立在經(jīng)非線性映射后的高維特征空間.具體而言，KPLS模型的核函數(shù)采用高斯徑向基函數(shù)，核寬為7.75.此外，采取表1中的潛變量選取方式，KPLS模型選取前4個潛變量構(gòu)建預(yù)測模型.KPLS-GPR預(yù)測模型中GPR核函數(shù)選取和參數(shù)選擇方式與4.2.1部分的選取方式相同.由于潛變量的選擇，KPLS-ANN的輸入層節(jié)點個數(shù)變?yōu)?個，其余網(wǎng)絡(luò)結(jié)構(gòu)與ANN保持一致.表2為KPLS-ANN和KPLS-GPR的具體潛變量模型參數(shù).

表2 基于KPLS的潛變量模型參數(shù)

4.3 結(jié)果與討論

結(jié)合以上的參數(shù)設(shè)置與模型調(diào)整，表3和表4分別列出了不同預(yù)測模型對于出水COD和SS質(zhì)量濃度的預(yù)測結(jié)果.

表3 不同預(yù)測模型對出水COD質(zhì)量濃度的預(yù)測結(jié)果

由表3可知：通過對測試集出水COD質(zhì)量濃度的預(yù)測，ANN的RMSE為4.794 mg·L-1，R2為0.420；GPR的RMSE為4.559 mg·L-1，R2為0.475，預(yù)測精度相對較高.結(jié)合PLS潛變量后，常規(guī)模型的預(yù)測效果均有所提高，PLS-ANN的RMSE和R2分別為4.665 mg·L-1和0.451，PLS-GPR分別為4.490 mg·L-1和0.491.PLS-GPR在PLS潛變量預(yù)測模型中具備較優(yōu)預(yù)測效果，R2相比于GPR提高3.37%.在PLS潛變量預(yù)測模型的基礎(chǔ)上，KPLS潛變量預(yù)測模型對測試集COD質(zhì)量濃度的預(yù)測效果有更進(jìn)一步的提升.KPLS-ANN的RMSE和R2分別為4.559 mg·L-1和0.476，R2較PLS-ANN提升5.54%；KPLS-GPR分別為4.102 mg·L-1和0.575，R2較PLS-GPR提升17.11%.可見，在6種模型中，KPLS-GPR對測試集出水COD質(zhì)量濃度具備最優(yōu)預(yù)測效果，相比于常規(guī)的預(yù)測模型，R2提升最多，提升了36.90%.

表4 不同預(yù)測模型對出水SS質(zhì)量濃度的預(yù)測結(jié)果

由表4可知：GPR，PLS-GPR和KPLS-GPR在常規(guī)預(yù)測模型、PLS潛變量預(yù)測模型和KPLS潛變量預(yù)測模型中分別具備較優(yōu)預(yù)測結(jié)果，其中KPLS-GPR預(yù)測精度最高，PLS-GPR次之，GPR最低.相比于PLS潛變量，KPLS潛變量對常規(guī)模型的預(yù)測效果提升更為明顯.以R2為準(zhǔn)，KPLS-GPR的預(yù)測效果較GPR提升7.21%，PLS-GPR較GPR提升2.11%，KPLS-ANN較ANN提升16.51%，PLS-ANN較ANN提升7.78%.對測試集出水SS質(zhì)量濃度的預(yù)測，最優(yōu)模型KPLS-GPR的RMSE為0.656 mg·L-1，R2為0.610，相比于常規(guī)的預(yù)測模型，R2提升最多，為43.87%.總之，KPLS潛變量預(yù)測模型對輸出變量均具備相對較好的預(yù)測結(jié)果.圖3-6分別為KPLS-ANN和KPLS-GPR對出水COD和SS質(zhì)量濃度的預(yù)測.

圖3 KPLS-ANN對出水COD質(zhì)量濃度預(yù)測結(jié)果

圖4 KPLS-ANN對出水SS質(zhì)量濃度預(yù)測結(jié)果

圖5 KPLS-GPR對出水COD質(zhì)量濃度預(yù)測結(jié)果

圖6 KPLS-GPR對出水SS質(zhì)量濃度預(yù)測結(jié)果

KPLS潛變量對常規(guī)預(yù)測模型存在較為顯著的優(yōu)化，主要原因在于：經(jīng)過非線性映射，數(shù)據(jù)原始的非線性特征在高維特征空間中更易被提取，故KPLS潛變量較常規(guī)PLS具備更高的數(shù)據(jù)解釋能力；通過選取合適的潛變量作為預(yù)測模型的輸入，可有效消除特征空間的高維度“災(zāi)難”；潛變量的獨(dú)立性可優(yōu)化數(shù)據(jù)結(jié)構(gòu)，減少共線性對預(yù)測模型的影響.對于預(yù)測模型，由于協(xié)方差函數(shù)的組合，GPR模型在一定程度上可視為多種獨(dú)立函數(shù)的疊加，因此具備同時解釋多類數(shù)據(jù)特征的特點.試驗結(jié)合造紙廢水?dāng)?shù)據(jù)的非線性特征、采樣的周期性以及較為有限的樣本量，采取平方指數(shù)協(xié)方差函數(shù)、周期性協(xié)方差函數(shù)以及線性協(xié)方差函數(shù)的相加的方式構(gòu)建組合協(xié)方差函數(shù)，使得GPR模型較ANN模型具備更強(qiáng)的建模能力.因此，KPLS潛變量與GPR模型的結(jié)合，使得模型具備最優(yōu)預(yù)測效果.

5 結(jié) 論

采用KPLS-GPR模型對造紙廢水?dāng)?shù)據(jù)中的出水COD和SS的質(zhì)量濃度進(jìn)行預(yù)測.首先，采用KPLS的潛變量作為GPR模型的輸入端，在降低數(shù)據(jù)的維度與優(yōu)化數(shù)據(jù)結(jié)構(gòu)的同時，提供了對于數(shù)據(jù)非線性特征的充分解釋.其次，GPR模型對于數(shù)據(jù)結(jié)構(gòu)的考慮，使得模型適用于復(fù)雜多變的造紙廢水處理環(huán)境.因此，KPLS-GPR較常規(guī)模型可取得更優(yōu)的預(yù)測結(jié)果.此外，潛變量對輸入數(shù)據(jù)的預(yù)處理對于其他流程工業(yè)(鋼鐵、化工等)的大數(shù)據(jù)建模也提供了相應(yīng)的優(yōu)化思路.