2025年04月05日 星期六 首页   |    期刊介绍   |    编 委 会   |    投稿指南   |    期刊订阅   |    统合信息   |    联系我们
计量学报  2021, Vol. 42 Issue (1): 105-110    DOI: 10.3969/j.issn.1000-1158.2021.01.17
  电离辐射、标准物质与生物计量 本期目录 | 过刊浏览 | 高级检索 |
复杂水质环境下基于PSO-ELM的BOD快速检测
陈颖1,崔行宁1,肖春艳2,张杰1,张灿1,杨惠1,李少华3
1. 燕山大学 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
2. 河南理工大学资源与环境学院, 河南 焦作 454000
3. 河北先河环保科技股份有限公司, 河北 石家庄 050000
Rapid Detection of BOD Based on PSO-ELM in Complex Water Quality Environment
CHEN Ying1,CUI Xing-ning1,XIAO chun-yan2,ZHANG Jie1,ZHANG Can1,YANG Hui1,LI Shao-hua3
1. Hebei Province Key Laboratory of Test/Measurement Technology and Instrument, Yanshan University, Qinhuangdao, Hebei 066004, China
2. School of resources and environment, Henan University of Tech, Jiaozuo, Henan 454000,China
3. Hebei Sailhero Environmental Protection Hi-tech Co.Ltd., Shijiazhuang, Hebei 050000, China
全文: PDF (1213 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对检测生化需氧量(BOD)的传统五日培养法(BOD5)操作复杂、时效性差的不足,以及水质中复杂环境因素干扰检测过程等问题,提出了基于微生物膜法的快速检测系统,进而以粒子群算法(PSO)优化的极限学习机(ELM)算法来实现BOD检测。检测系统以溶解氧传感器和微生物膜反应器为核心,能够在35min内完成检测,其中微生物反应器使用功能化的螺旋玻璃管制成,但微生物膜易受水质复杂环境的影响。为此,运用PSO-ELM算法消除水质中浊度(SS)、pH值、氧化还原电位(ORP)对检测结果的干扰,与BP神经网络和ELM算法相比,运行时间分别缩短0.92s和0.24s,测试误差分别减小5.3%和4.0%。在实际海水水样的测试结果中,该方法与BOD5法相对误差保持在2.69%~3.86%内。
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
陈颖
崔行宁
肖春艳
张杰
张灿
杨惠
李少华
关键词 计量学生化需氧量快速检测粒子群算法极限学习机    
Abstract:In order to overcome the shortcoming of complex operation, poor time-efficiency of traditional five-day culture method (BOD5), and the influence of complex environmental factors on the detection process in actual water quality, a detection method of BOD combining the rapid detection system and the extreme learning machine (ELM) algorithm optimized by particle swarm optimization (PSO) was proposed. The detection system was centered on a dissolved oxygen sensor and a microbial membrane reactor, which can perform the test within 35 minutes. The microbial reactor was made of functionalized spiral glass tubes, but the microbial membrane was affected by the environment of water quality. For this reason, PSO-ELM algorithm was used to eliminate the influence of turbidity (SS), pH and REDOX potential (ORP). Compared with BP neural network and ELM algorithm, the running time is shortened by 0.92 s and 0.24 s respectively, and the test error is reduced by 5.3% and 4.0% respectively. In the test of actual seawater samples, the relative error varies from 2.69% to 3.86%.
Key wordsmetrology    biochemical oxygen demand    rapid measurement    PSO    ELM
收稿日期: 2019-02-25      发布日期: 2021-01-19
PACS:  TB99  
基金资助:国家自然科学基金(61201112,61475133);河北省自然科学基金(F2016203188,F2016203245);中国博士后基金项目(2018M630279);河北省博士后择优资助项目(B2018003028);河北省高等学校科学技术研究项目(ZD2018243)国家重点研发计划(2016YFC1400601-3);河北省重点研发计划(19273901D, 20373301D);河北省自然科学基金(F2020203066);中国博士后基金(2018M630279);河北省博士后择优资助项目(D2018003028);河北省高等学校科学技术研究项目(ZD2018243)
作者简介: 陈颖(1980-),河北秦皇岛人,燕山大学教授,主要从事水质检测、微纳光学器件及其应用等方面的研究。Email: chenying@ysu.edu.cn
引用本文:   
陈颖,崔行宁,肖春艳,张杰,张灿,杨惠,李少华. 复杂水质环境下基于PSO-ELM的BOD快速检测[J]. 计量学报, 2021, 42(1): 105-110.
CHEN Ying,CUI Xing-ning,XIAO chun-yan,ZHANG Jie,ZHANG Can,YANG Hui,LI Shao-hua. Rapid Detection of BOD Based on PSO-ELM in Complex Water Quality Environment. Acta Metrologica Sinica, 2021, 42(1): 105-110.
链接本文:  
http://jlxb.china-csm.org:81/Jwk_jlxb/CN/10.3969/j.issn.1000-1158.2021.01.17     或     http://jlxb.china-csm.org:81/Jwk_jlxb/CN/Y2021/V42/I1/105
京ICP备:14006989号-1
版权所有 © 《计量学报》编辑部
地址:北三环东路18号(北京1413信箱)  邮编:100029 电话:(010)64271480
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn