华南理工大学学报(自然科学版) ›› 2018, Vol. 46 ›› Issue (8): 107-115.doi: 10.3969/j.issn.1000-565X.2018.08.015
许玉格1,赖春伶1,罗飞2
XU Yuge LAI Chunling LUO Fei
摘要: 污水处理过程故障会导致出水水质下降、运行费用增高甚至造成环境的二次污染,而污水处理故障诊断数据的典型不平衡特性,严重影响了故障诊断的效果,尤其会导致故障类别的正确率偏低。针对此问题,提出一种基于加权极限学习机的改进型Bagging集成污水处理故障诊断建模方法。以加权极限学习机为基分类器,以Bagging集成框架建立集成分类器。定义可调整的过采样倍率公式,通过SMOTE方法对少数类样本进行过采样,保证基分类器间的多样性。以不平衡分类性能指标G-mean值为基础,定义新的基分类器输出权值更新公式,提高故障类别识别率。仿真实验表明,该污水处理故障诊断模型的性能优于其他对比算法,可有效提高G-mean值和整体分类正确率,特别是提高了故障类别的识别正确率。
中图分类号: