摘要：针对污水处理内部机理错综复杂，出水水质难以实时检测进行有效控制的问题，提出了一种基于数据分解与改进蜣螂优化（DBO）TCN-BiGRU/BiLSTM的出水水质组合预测模型。采用相关性分析法在进水变量中选出出水指标强相关变量，作为预测模型的辅助输入特征；通过变分模态分解（VMD）对出水水质序列分解简化为若干子序列，并计算每个子序列的样本熵，将其按照复杂度划分为高、低两类，据此构建出TCN-BiLSTM和TCN-BiGRU两种混合预测模型；引入Tent混沌映射和柯西变异策略改进的DBO算法对组合模型进行优化。对比试验结果表明，在出水总氮（TN）和化学需氧量（COD）的预测中，相较于CNN-LSTM、VMD-TCN-BiGRU、VMD-TCN-BiLSTM和VMD-TCN-BiGRU/BiLSTM模型，所提出的模型平均RMSE和MAE分别降低35.22%-52.41%和39.38%-55.53%，平均R2提高2.91%-7.55%，模型预测精度明显提高，且对于实测数据中的非线性复杂性问题表现出色，具有良好的工程应用价值。
文章目录
引 言
1 算法原理
1.1 改进VMD分解
1.2 复杂度判定
1.3 时间卷积网络
1.4 双向门控循环单元/双向长短期记忆网络
1.5 改进蜣螂优化算法
1.6 TCN-BiLSTM/BiGRU组合预测模型
2 污水处理厂出水水质预测模型构建及步骤
2.1 出水水质预测模型
2.2 评价指标
3 实验测试及分析
3.1 异常值处理
3.2 相关性分析
3.3 基于IVMD的出水COD/TN分解
3.4 出水TN/出水COD模型预测
3.4.1 优化算法对比分析
3.4.2 出水TN/出水COD预测结果分析
3.5 消融实验与讨论
4 结 论
