[發明專利]一種基于優化BP神經網絡的DO預測模型建立方法

有效

• 申請號: 201710402265.8
• 申請日: 2017-06-01
• 公開（公告）號: CN107358021B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 李繼庚;張維;蔡威;滿奕;張燕忠;劉煥彬
• 申請（專利權）人: 華南理工大學
• 主分類號: G16C20/10
• 分類號: G16C20/10;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于優化BP神經網絡的DO預測模型建立方法，包括步驟：基于曝氣池DO預測這一目標進行變量選??；對數據進行預處理；建立曝氣池DO的初始預測模型并利用建模數據訓練網絡模型得到初步建立的DO預測模型，然后進行模型預測效果的分析；對初步建立的DO預測模型進行參數、結構的逐一優化然后利用思維進化算法優化BP網絡的初始權、閾值，得到優化的預測模型；得到優化DO預測模型后，評價優化模型的預測精度和預測性能。本發明提高了對時序數據預測的精度，在一定程度改善模型性能、提高了預測準確性，對于污水處理廠進行曝氣池曝氣的精確控制的實施提供了便利。

技術領域

本發明涉及污水處理技術領域，特別涉及一種基于優化BP神經網絡的DO預測模型建立方法。

背景技術

溶解氧(Dissolved Oxygen，DO)在A2O工藝的污水處理過程中起著至關重要的作用。DO的濃度決定著污水處理生化反應的程度：DO不夠充足，好氧微生物不能生存并發揮它們氧化分解的作用；DO濃度過高則在污泥回流的時候大量DO回流至缺氧池，有機物的氧化速率提高導致反硝化脫氮的過程因碳源的缺失而無法正常進行。因此，DO必須控制在合適的范圍內，才能實現污水凈化達標而能耗降低的有效目標。

污水處理過程中影響曝氣池溶解氧DO的因素有很多，曝氣反應系統的污水流量不斷變化、污水污染物負荷波動大、污水回流等各種原因導致的時變性、非線性以及變量之間的耦合性和慣性滯后等問題，不僅涉及到處理工藝和設備，同時還包含物理、化學、生物等多方面的因素，現有基于機理的DO預測模型很難解決這種問題。

采用DO控制的曝氣系統，在滿足生化反應的前提下，通過調節曝氣量控制DO在合理范圍，避免過度曝氣，達到有效控制運行成本，節能降耗的目的?；跈C理的DO預測模型無法準確的預測DO，嚴重影響了DO的實時控制。

神經網絡模型根據不同的實際情況來選擇適合解決相應問題的結構參數。但是當需要解決的問題相對比較復雜時，用基本的人工神經網絡(Artificial Neural Network，ANN)一般達不到實際應用的需求，即使很小的網絡行為也不容易理解，更不用說大規模多層非線性網絡結構，而且目前并沒有嚴格的設計規則和成形理論可以遵循。在預測中，這些缺點必然會導致預測的結果和實際輸出存在比較大的偏差，達不到預期的預測要求。基于優化算法進行神經網絡優化的結合算法是解決上述問題的方法之一。

BP神經網絡是一種針對非線性、非周期、無規律、無結構性或半結構性數據建模最常用、效果最佳的模型，結合數據挖掘建立具有時間序列的特征的BP神經網絡預測模型對復雜的污水處理過程來說，是非常適合采用的方法。

思維進化算法，是一種20世紀末提出的優化算法，從根本上改變了進化算法的思想方法，不僅具有一般的進化算法(諸如遺傳算法)自適應、自學習、自組織等特點，還具有提高整體搜索效率、具有并行計算能力等優點。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種基于優化BP神經網絡的DO預測模型建立方法，利用思維進化算法優化神經網絡的權、閾值得到最優的BP網絡預測模型，進行A2O工藝曝氣池溶解氧DO時序變化趨勢的揭示和溶解氧DO的預測。

本發明的目的通過以下的技術方案實現：一種基于優化BP神經網絡的DO預測模型建立方法，包括以下步驟：

S1、基于“曝氣池DO預測”這一目標進行變量選??；

S2、對數據進行預處理；

S3、建立曝氣池DO的初始預測模型并利用建模數據訓練網絡模型得到初步建立的DO預測模型，然后進行模型預測效果的分析；

S4、對初步建立的DO預測模型進行參數、結構的逐一優化然后利用思維進化算法(Mind Evolutionary Algorithm,MEA)優化BP網絡的初始權、閾值，得到最優的預測模型；