一种基于BOASSA-CNN-SVM的厌氧发酵过程软测量建模方法

本发明公开了一种基于BOASSA‑CNN‑SVM的厌氧发酵软测量建模方法针对厌氧发酵过程中难以直接测量的VFA浓度和甲烷浓度进行精准的预测。包括如下步骤：1)数据采集后利用卷积神经网络(CNN)算法筛选通过现场操作或者实验获得过程的带时间标签序列的厌氧发酵过程的采样数据；2)针对厌氧发酵过程建立支持向量机(SVM)软测量模型，利用BOASSA对SVM模型参数进行优化；3)将CNN选择的特征变量输入到BOASSA‑SVM软测量模型中进行建模。本发明建模方法，具有较好的估计性能，准确性高，泛化能力强，也适用于其他复杂化学反应过程软测量建模。