1.一种基于KPLSR模型的污水处理出水总氮浓度软测量方法，其特征在于，包括以下步骤：步骤(1)：确定污水处理厂每天测量的变量；其中，污水处理厂入水处测量的变量依次包括：入水流量，入水温度，入水色度，入水氯离子浓度，入水悬浮物固体浓度，入水PH值；曝气池中测量的变量依次包括：投料量，污水色度，污水悬浮物固体浓度，污水PH值，污水氯离子浓度，生化需氧量；沉淀池中测量的变量依次是：污水色度，污水悬浮物固体浓度，污水PH值，污水氯离子浓度，污泥量；污水处理厂出水处测量的变量具体包括：出水色度，出水PH值，出水悬浮物固体浓度，和出水总氮浓度；

步骤(2)：连续采集n天的数据，并将每天的数据存储为一个m×1维的数据向量xi；其中，第i天的数据向量xi中的元素是按照步骤(1)中所述变量的先后顺序排列，m等于步骤(1)中测量的变量总数，i∈{1,2,...,n}；

T

步骤(3)：将n天的数据向量x1,x2,…,xn组建成一个数据矩阵X＝[x1,x2,…,xn]后，对Xn×m∈R 中的各个列向量分别实施标准化处理，得到标准化后的数据矩阵 并将X中第m列的n×m列向量的均值与标准差分别记录为μ与σ；其中，上标号T表示矩阵或向量的转置，R 表示n×m维的实数矩阵，R表示实数集；

步骤(4)：将 中第1列至第m‑1列的列向量组建成输入矩阵 将 中第m列的列向量记录为输出向量 再根据如下所示步骤(4.1)至步骤(4.6)确定出辅助变量的选择向量v

1×(m‑1)

∈R ；

步骤(4.1)：初始化迭代次数g＝1，确定差分进化优化算法的参数，具体包括：种群个数N，缩放因子zf，交叉概率cp，最大迭代次数G；

步骤(4.2)：随机产生N个(m‑1)×1维的种群向量w1,w2,…,wN，每个种群向量中的元素都按照均匀分布随机取值于区间[‑1,1]；

步骤(4.3)：计算种群向量w1,w2,...,wN分别对应的目标函数值F1,F2,...,FN；

步骤(4.4)：将F1,F2,…,FN中的最大值及其对应的种群向量分别记录为Fbest和wbest后，执行差分进化算法的种群更新操作，得到更新后的N个种群向量w1,w2,…,wN；

步骤(4.5)：判断是否满足条件g＞G；若否，则设置g＝g+1后返回步骤(4.3)；若是，则得到最优的种群向量wbest；

1×(m‑1)

步骤(4.6)：按照如下所示公式确定出选择向量v∈R 中的各个元素：上式中，v(k)和wbest(k)分别表示v和wbest中的第k个元素，η为阈值；

步骤(5)：根据选择向量v中等于1的元素所在的列，对应的将 中相同列的列向量组建成输入矩阵Z；

步骤(6)：分别根据如下所示的三个核函数G1(ε1,ε2)，G2(ε1,ε2)，和G3(ε1,ε2)，建立三个不同的KPLSR模型后，计算得到输出估计向量 具体的实施过程如步骤(6.1)至步骤(6.6)所示；

其中，ε1和ε2表示核函数的两个输入行向量，α和β为核函数的参数；

n×n

步骤(6.1)：根据公式Kd(i,j)＝Gd(zi,zj)计算核矩阵Kd∈R 中的第i行第j列元素Kd(i,j)；其中，d∈{1,2,3}，zi和zj分别表示输入矩阵Z中的第i行和第j行的行向量；

步骤(6.2)：根据如下所示公式对核矩阵K1,K2,K3进行中心化处理，对应得到中心化处理后的核矩阵n×n

其中，方阵Θ∈R 中所有元素都等于1；

步骤(6.3)：依次设置d＝1，2和3，并执行如下所示步骤(6.3‑1)至步骤(6.3‑4)，从而得到KPLSR模型的核回归系数向量θ1,θ2,θ3；

步骤(6.4)：根据公式 计算KPLSR模型的输出估计向量 后，再将其合并成一个输出估计矩阵

步骤(7)：根据公式 计算回归系数向量θo后，即完成出水总氮软测量模型的离线建模阶段；

步骤(8)：采集污水处理厂新一天的m‑1个测量数据，并将其存储为一个1×(m‑1)维的数据向量xt；其中，数据向量xt中的元素按照步骤(1)中所述的前m‑1个变量的先后顺序依次排列，下标号t表示最新的一天；

步骤(9)：对数据向量xt中各列的元素实施与步骤(3)中相同的标准化处理，得到标准化后的数据向量

1×(m‑1)

步骤(10)：利用步骤(4)中辅助变量的选择向量v∈R ，根据v中等于1的元素所在的列，对应的将xt中相同列的元素组成输入向量zt；

1×n

步骤(11)：根据公式kd(i)＝Gd(zt,zi)计算核向量kd∈R 中的第i个元素kd(i)，重复本步骤直至得到三个核向量k1,k2,k3；

步骤(12)：根据如下所示步骤(12.1)至步骤(12.3)计算得到出水总氮浓度的软测量值yt；

步骤(12.1)：根据如下所示公式分别对k1,k2,k3实施中心化处理，对应得到

1×n

其中，φ∈R 中所有元素都等于1；

步骤(12.2)：根据公式 计算得到估计值 后，再根据 计算出输出估计值 其中， θo表示所述步骤(7)中计算的回归系数向量；

步骤(12.3)：根据公式 计算得到出水总氮浓度的软测量值yt，再返回步骤(7)继续实施对新一天的出水总氮浓度的软测量。

2.根据权利要求1所述的一种基于KPLSR模型的污水处理出水总氮浓度软测量方法，其特征在于，所述步骤(4.3)中计算第c个种群向量wc对应的目标函数值Fc的具体实施过程如下所示：步骤(4.3‑1)：根据如下所示公式计算矩阵 中第i行向量 与第j行向量 之间的加权距离上式中，i∈{1,2,…,n}，j∈{1,2,...,n}，diag{wc}表示将种群向量wc转变为一个对角矩阵，符号|| ||表示计算向量的长度，c∈{1,2,…,N}；

步骤(4.3.‑2)：根据如下所示公式计算 与 之间的相近概率pij：上式中，exp()表示以自然常数e为底数的指数函数；

步骤(4.3‑3)：根据如下所示公式计算输出概率误差f1,f2,…,fn：上式中， 和 分别表示输出向量 中的第i个元素与第j个元素；

步骤(4.3‑4)：计算第c个种群向量wc对应的目标函数值Fc＝f1+f2+…+fn。

3.根据权利要求2所述的一种基于KPLSR模型的污水处理出水总氮浓度软测量方法，其特征在于，所述步骤(4.4)中差分进化优化算法的种群更新操作的具体实施过程如下所示：步骤(4.4‑1)：根据如下所示公式为每个种群向量产生一个对应的变异向量vc：vc＝wc+zf×(wbest‑wc)+zf×(wa‑wb)              ⑩上式中，下标号a与b是从区间[1,N]中随机产生的2个互不相等的整数；

步骤(4.4‑2)：按照如下所示公式对变异向量vc进行修正：上式中，vc(k)表示变异向量vc中的第k个元素，k∈{1,2,…,m‑1}；

步骤(4.4‑3)：根据如下所示公式产生N个尝试向量u1,u2,…,uN：其中，uc(k)与wc(k)分别为uc与wc中的第k个元素，rk表示0至1之间的随机数；

步骤(4.4‑4)：依据如下所示公式更新种群向量w1,w2,…,wN：上式中， 表示将uc当做成种群向量后，根据上述步骤(4.3‑1)至步骤(4.3‑4)计算得到的目标函数值。

4.根据权利要求1所述的一种基于KPLSR模型的污水处理出水总氮浓度软测量方法，其特征在于，所述步骤(6.3)中建立KPLSR模型的具体实施过程如下所示：步骤(6.3‑1)：初始化γ＝1， 和 后，再根据公式q＝q/||q||更新q；

步骤(6.3‑2)：根据公式sγ＝K0q与 依次计算出第γ个核得分向量sγ与系数

步骤(6.3‑3)：判断是否满足条件： 若是，则将得到的γ个得分向量s1,s2,…,sγ组成核得分矩阵Sd＝[s1,s2,…,sγ]；若否，则根据公式 更新K0，并设置γ＝γ+1后，再返回步骤(6.3‑2)；其中，δ表示阈值；

n×γ

步骤(6.3‑4)：根据公式 计算回归系数向量θd；其中，矩阵Q∈R 由γ个相同的q组成。