提高废水处理厂的能源消耗预测和可解释性:一个新的时间差权重重重新采样框架,用于不平衡回归的交叉验证

科学领域:

• 环境工程 环境工程
• 机器学习 机器学习
• 数据科学数据科学数据科学

背景情况:

• 精确的能源消耗预测对于优化废水处理厂 (WWTP) 运营至关重要.
• 由于可变影响条件,在WWTP中常见的不平衡数据集通常会阻碍机器学习 (ML) 模型的性能.
• 现有的ML模型在预测能源使用时与固有的数据不平衡作斗争.

研究的目的:

• 开发和评估一种新的ML框架,以解决WWTP能源消耗预测中的不平衡回归问题.
• 介绍和比较三个时间差权重重复采样 (TDWR) 方法:门样本不足 (TUS),随机样本不足 (SUS) 和反向组图样本不足 (IHS).
• 提高ML模型的准确性和可解释性,以提高WWTP中智能低碳能源管理的准确性和可解释性.

主要方法:

• 提出了一个新的ML框架,使用三个TDWR方法 (TUS,SUS,IHS) 来处理不平衡回归.
• 员工内部验证 (80/20分) 和外部交叉测试,以进行可靠的模型评估.
• 使用XGBoost,支持向量回归,人工神经网络和随机森林模型,使用R2,RMSE,MAPE和残余分析进行评估. 为了解释性,使用了SHAP.

主要成果:

• 使用抽样因子为6的随机不足抽样 (SUS-6) 与XGBoost相结合,产生了优异的性能 (R2=0.9998,RMSE=0.0833,MAPE=0.14%).
• 与原始数据相比,TDWR显著提高了预测准确性:R2增加了高达27.6%,RMSE减少了约87%,MAPE减少了96.07%.
• 剩余分析显示95%的置信区间缩小了70%左右. 在其他ML模型中也出现了类似的改善.

结论:

• 提议的TDWR框架有效地解决了WWTP能源消耗预测中的数据不平衡,大大提高了ML模型的准确性.
• SUS-6表现出最好的表现,在预测指标和残余分布方面取得了实质性的改进.
• SHAP分析确定了影响能源使用的关键通风相关特征 (BOD,COD,NH3-N),为WWTP优化和低碳管理提供了可操作的见解.