活性污泥法污水處理過程智能建模方法
【專利摘要】本發(fā)明公開了一種活性污泥法污水處理過程智能建模方法，用于對(duì)污水處理過程中出水的生物分解需氧量（BOD）量進(jìn)行準(zhǔn)確預(yù)測(cè)，對(duì)污水處理過程進(jìn)行有效控制。本發(fā)明首先采用拉依達(dá)準(zhǔn)則剔除污水調(diào)節(jié)池進(jìn)水水質(zhì)指標(biāo)向量中的異常數(shù)據(jù)，并采用均方差法對(duì)非異常數(shù)據(jù)進(jìn)行歸一化處理；其次，采用主成分分析法簡(jiǎn)化影響影響出水BOD的指標(biāo)；最后，以這些指標(biāo)為輸入變量，以污水處理過程中出水BOD為輸出變量，采用遞歸神經(jīng)網(wǎng)絡(luò)模型對(duì)污水處理過程中出水BOD進(jìn)行預(yù)測(cè)和控制。
【專利說明】活性污泥法污水處理過程智能建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于污水處理過程的建模方法，尤其涉及一種活性污泥法污水處理過程智能建模方法。
【背景技術(shù)】
[0002]活性污泥法是利用自然界微生物的生命活動(dòng)來清除污水中有機(jī)物和脫氮除磷的一種有效方法?；钚晕勰喾ㄎ鬯幚磉^程是個(gè)復(fù)雜的高度非線性系統(tǒng)，其進(jìn)水流量、進(jìn)水成分、污染物濃度、天氣變化等參量都是被動(dòng)接受，微生物生命活動(dòng)受溶解氧濃度、微生物種群、污水的PH值等多種因素影響，生化反應(yīng)過程具有滯后特性，精確表述控制變量與控制目標(biāo)之間的關(guān)系十分困難。目前的一些污水處理模型結(jié)構(gòu)復(fù)雜，待整定參數(shù)過多，可辨識(shí)性差，不能動(dòng)態(tài)地反映出操作變量與控制目標(biāo)之間蘊(yùn)含的關(guān)系，無法用于在線控制。同時(shí)，污水處理過程是一個(gè)復(fù)雜的生化反應(yīng)過程，現(xiàn)場(chǎng)試驗(yàn)不僅時(shí)間長(zhǎng)且成本很高。因此，尋求較好的建模方法，解決污水處理過程中的建模問題是一個(gè)很迫切的需求，也是國際控制領(lǐng)域的挑戰(zhàn)性問題。
[0003]由于活性污泥法污水處理過程具有高度的復(fù)雜性和非線性的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)作為非線性的動(dòng)力學(xué)系統(tǒng)，特別適合于一些高度非線性的動(dòng)力學(xué)過程的建模與控制，使神經(jīng)網(wǎng)絡(luò)可以在建模過程中發(fā)揮巨大的作用。由于神經(jīng)網(wǎng)絡(luò)能夠根據(jù)對(duì)象輸入/輸出的數(shù)據(jù)直接建立模型，不需要對(duì)象的先驗(yàn)知識(shí)及復(fù)雜的數(shù)學(xué)公式推導(dǎo)，并且采用適當(dāng)?shù)挠?xùn)練算法就可以達(dá)到網(wǎng)絡(luò)學(xué)習(xí)精度目標(biāo)。因此，采用神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)系統(tǒng)建模是非常有效和相對(duì)容易。

【發(fā)明內(nèi)容】

[0004]本發(fā)明主要預(yù)測(cè)污水處理過程中出水的生物分解需氧量(BOD)的值，分析污水處理過程中與出水BOD與其他變量之間的關(guān)系，出水BOD依賴于數(shù)小時(shí)前的入水的化學(xué)需氧量(COD )、固體懸浮物濃度(SS )、溫度(T )、PH值、進(jìn)水量(Q)、初沉池出水SS和COD、曝氣池溶解氧濃度(D0)、混合液污泥濃度(MLSS)以及出水COD和SS等過程變量。
[0005]本發(fā)明將遞階多層神經(jīng)網(wǎng)絡(luò)與各反應(yīng)器子系統(tǒng)相結(jié)合，提出一種活性污泥法污水處理過程智能建模方法。結(jié)合遞階神經(jīng)網(wǎng)絡(luò)模型，活性污泥法污水處理過程智能建模方法的具體過程如下。
[0006]步驟1:數(shù)據(jù)預(yù)處理。
[0007]本發(fā)明選擇輸入向量為污水調(diào)節(jié)池進(jìn)水水質(zhì)指標(biāo)，分別為數(shù)小時(shí)前的入水的化學(xué)需氧量(C0D)、固體懸浮物濃度(SS)、溫度(T)、PH值、進(jìn)水量(Q)、初沉池出水SS和C0D、曝氣池溶解氧濃度(D0)、混合液污泥濃度(MLSS)以及出水COD和SS。
[0008]由于從工業(yè)現(xiàn)場(chǎng)采集的數(shù)據(jù)難免會(huì)含有隨機(jī)誤差甚至過失誤差，而任意數(shù)據(jù)的錯(cuò)誤都可能導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型整體性能下降，甚至完全失敗，因此必須對(duì)測(cè)量數(shù)據(jù)進(jìn)行預(yù)處理，方可作為神經(jīng)網(wǎng)絡(luò)模型的輸入。因此，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，主要包括剔除異常數(shù)據(jù)和歸一化處理。[0009]I)剔除異常數(shù)據(jù)。
[0010]在實(shí)際測(cè)量中，由于測(cè)量和記錄的嚴(yán)重失誤，或由于儀器儀表的突然波動(dòng)，都會(huì)造成異常的觀察結(jié)果，這類數(shù)據(jù)為異常數(shù)據(jù)。異常數(shù)據(jù)容易導(dǎo)致整個(gè)系統(tǒng)建模的失敗，因此異常數(shù)據(jù)的偵破剔除和校正是必須的。
[0011]本發(fā)明采用拉依達(dá)準(zhǔn)則處理異常數(shù)據(jù)。設(shè)樣本數(shù)據(jù)為(Χι，Χ2，…，χη)，平均值為i，偏差為Vi=X1-x(i =、2,、n),按照貝葉斯公式計(jì)算出標(biāo)準(zhǔn)偏差:
【權(quán)利要求】
1.活性污泥法污水處理過程智能建模方法的基本步驟如下:1)收集影響污水處理過程中出水的生物分解需氧量(BOD)的主要因素的相關(guān)數(shù)據(jù)，包括:數(shù)小時(shí)前的入水的化學(xué)需氧量(C0D)、固體懸浮物濃度(SS)、溫度(T)、PH值、進(jìn)水量(Q)、初沉池出水SS和C0D、曝氣池溶解氧濃度(D0)、混合液污泥濃度(MLSS)以及出水COD和SS，并采用拉依達(dá)準(zhǔn)則剔除這些值中的異常數(shù)據(jù)；2)采用主成分分析法確定影響污水處理過程中出水BOD主成分因素；3)將影響污水處理過程中出水BOD的主成分因素作為輸入變量，將污水處理過程中出水BOD為輸出變量，采用遞歸神經(jīng)網(wǎng)絡(luò)模型對(duì)污水處理過程中出水BOD進(jìn)行預(yù)測(cè)和控制。
【文檔編號(hào)】G05B13/04GK103809436SQ201210438501
【公開日】2014年5月21日 申請(qǐng)日期:2012年11月6日 優(yōu)先權(quán)日:2012年11月6日
【發(fā)明者】鄭夏銘, 梁淑儀 申請(qǐng)人:西安元朔科技有限公司