[發明專利]一種預測供水系統中消毒副產物鹵乙酸濃度的方法

在審

• 申請號: 201910672859.X
• 申請日: 2019-07-24
• 公開（公告）號: CN110287651A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 林紅軍;洪華嫦
• 申請（專利權）人: 浙江師范大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04;G06Q50/06;G06N3/04;G01N1/10;G01N30/02;G01N30/06;G01N33/18;G01D21/02
• 代理公司: 新鄉市平原智匯知識產權代理事務所(普通合伙) 41139
• 代理人: 路寬

本發明公開了一種預測供水系統中消毒副產物鹵乙酸濃度的方法，步驟S1，將鹵乙酸和水質參數數據庫分為訓練集和預測集；步驟S2，以MATLAB中的神經網絡newrb函數建立神經網絡模型：格式為net=newrb(P，T，GOAL，SPREAD，MN，DF)；步驟S3，對建好的神經網絡模型進行訓練，并通過模型驗證檢驗其預測性能，正確率高時直接進入步驟S5，正確率低時進行步驟S4操作；步驟S4，當測試的正確率較低時，調整SPREAD、神經元個數，再重復步驟S2直至獲得滿意的結果；步驟S5，停止。本發明的RBF神經網絡模型的預測效果比線性模型或lg線性模型好很多，而且RBF神經網絡運行過程中，所花時間甚少，每個神經網絡模型的運行時間大概是10?13s。

技術領域

本發明屬于供水系統中消毒副產物氯乙酸濃度檢測技術領域，具體涉及一種預測供水系統中消毒副產物鹵乙酸濃度的方法。

背景技術

消毒是確保飲用水衛生安全的必須手段，然而在消毒過程中會產生許多消毒副產物(DBPs)，其中鹵乙酸(HAAs)是飲用水中檢出率最高、存在量最大的DBPs之一。常見的鹵乙酸有以下9種：一氯乙酸(CAA)、一溴乙酸(BAA)、二氯乙酸(DCAA)、二溴乙酸(DBAA)、溴氯乙酸(BCAA)、三氯乙酸(TCAA)、一溴二氯乙酸(BDCAA)、二溴一氯乙酸(DBCAA)、三溴乙酸(TBAA)。實驗證明鹵乙酸具有很高的細胞毒性和基因毒性，動物學實驗和流行病學調查也顯示鹵乙酸具有致癌和致畸效應。目前美國環保局規定，飲用水中5種鹵乙酸(包括CAA、DCAA、TCAA、BAA、DBAA)的總濃度(HAA5)不能超過60μg/L；我國飲用水標準則規定DCAA和TCAA分別不能超過50μg/L和100μg/L。因此，對飲用水中鹵乙酸的濃度進行及時監測顯得非常重要。然而HAAs的測定不僅需要昂貴的儀器(GC、GC/MS等)和大量有毒有害溶劑，還需要進行一系列復雜的前處理(液液提取、衍生化等)。因此很多水廠對鹵乙酸的監測是心有余而力不足。但是很多水廠會定期對自來水進行常規水質監測，而HAAs的形成又與水質參數密切有關，假如能夠用常規水質參數(如溶解有機碳(DOC)、UV₂₅₄、溴離子、pH、Temp、余氯、氨氮、亞硝氮等)準確預測自來水中HAAs的水平，則將是一個利國利民的好事。

目前所建的HAAs預測經驗模型絕大部分是基于HAAs形成與水質、操作參數之間的線性關系或以log₁₀為底的線性關系，采用逐步回歸方法而建。但是由于HAAs形成是一個非常復雜的過程，眾多研究表明水質操作參數對HAAs形成的影響并非是簡單的線性或log線性關系可以表示的，更多是弱線性或非線性關系。因此，很多HAAs的線性模型預測效果不理想。比如宋倩云等用log線性回歸模型預測錢塘江水源水氯化后HAAs的形成，結果顯示，對于BDCAA、TCAA的預測準確度只有47.2％和58.3％。

還有少部分文獻使用前饋-后傳播神經網絡(簡稱BP網絡)預測水體氯化后的HAAs的形成，雖然表現出了較好的預測性能，但BP神經網絡易限于局部極小值，學習過程收斂速度慢，需要較長的訓練時間，對于一些復雜問題，BP算法需要的訓練時間可能非常長。

而且，現有HAAs模型絕大部分是基于水源水進行模擬消毒后所得的HAAs數據建立的，少部分是用水廠水(未經管網運輸的出廠水)建立的，但從水源水到真正的用戶端飲用水，期間經歷諸多水處理工藝步驟，消毒后還經歷管網運輸，其HAAs的構成、分布與水源水模擬消毒后所得已經相差甚遠。而且基于實驗室模擬消毒所建的模型中，絕大部分含有“消毒時間”這個指標，但實際的管網系統是很難度量消毒時間(即從水廠開始消毒到出廠到用戶端共計花了多少時間)的，因此這些HAAs模型很難真正應用到實際供水系統中，飲用水管網需要建立自己的HAAs模型方可實現真正的預測和應用。

發明內容

本發明解決的技術問題是提供了一種準確度相對較高且方便快捷地預測供水系統中消毒副產物鹵乙酸濃度的方法。

本發明為解決上述技術問題采用如下技術方案，一種預測供水系統中消毒副產物鹵乙酸濃度的方法，其特征在于具體步驟為：