دانلود مقاله ISI انگلیسی شماره 7040
عنوان فارسی مقاله

مدل سازی مجموعه KPCA و ELM از شاخص های کیفیت پساب فاضلاب

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
7040 2011 5 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
KPCA and ELM ensemble modeling of wastewater effluent quality indices
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Engineering, Volume 15, 2011, Pages 5558–5562 CEIS 2011

کلمات کلیدی
- ماشین یادگیری افراطی - گروه مدل سازی - تصفیه خانه فاضلاب -
پیش نمایش مقاله
پیش نمایش مقاله مدل سازی مجموعه KPCA و ELM از شاخص های کیفیت پساب فاضلاب

چکیده انگلیسی

Reliable measurements of effluent quality are important for different operational tasks such as process monitoring, online simulation, and advanced control in the wastewater treatment process (WWTP). A kernel principal component analysis (KPCA) and extreme learning machine (ELM) based ensemble soft sensing model for effluent quality prediction was proposed. KPCA was used to extract nonlinear feature of input space to overcome high dimension and colinearity. ELM algorithm is inserted into the ensemble frame as a component model since ELM runs much faster and provides better generalization performance than the other popular learning algorithm. The average output of all the ELM components in the ensemble is the final estimation of the effluent quality index. Simulations results using industrial process data show that the reliability and accuracy based KPCA and ELM ensemble soft sensing outperform the ELM, ELM ensemble model.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.