[發明專利]基于自組織隨機配置網絡的污水總磷軟測量方法及系統

在審

• 申請號: 202111192793.8
• 申請日: 2021-10-13
• 公開（公告）號: CN114036819A
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 栗三一;高鵬飛;岳偉超;王乾;劉鵬;劉娜;孫軍偉
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06Q50/26
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 張立強

本發明屬于污水處理技術領域，公開一種基于自組織隨機配置網絡的污水總磷軟測量方法及系統，該方法包括：步驟1，基于隨機配置網絡構建總磷軟測量模型，確定總磷軟測量模型的輸入變量和輸出變量，所述輸入變量為出水pH值、入水流量、第五分區溶解氧濃度、第二分區硝態氮濃度和出水固體懸浮物濃度；所述輸出變量為出水總磷濃度；所述總磷軟測量模型的隱含層為單層；步驟2，對隱含層的神經元個數進行自組織調整和參數確定；步驟3，基于結構調整后的總磷軟測量模型進行污水總磷軟測量。本發明在不需要人為設定閾值的情況下，可以根據輸出誤差自動調整網絡結構。

技術領域

本發明屬于污水處理技術領域，尤其涉及一種基于自組織隨機配置網絡的污水總磷軟測量方法及系統。

背景技術

近五年我國在水污染防治能力建設方面投資超2000億元，截至2020年，我國累計建成污水處理廠10113座，污水處理率超95％。雖然污水處理率已達到較高水平，但由于我國污水排放標準的提高，部分污水處理廠工藝落后，加之部分污水處理廠負荷能力不足，時常出現出水水質超標和工況異常等問題，對環境造成污染的同時增加了污水處理廠的運行成本。城市污水處理的最終目標是使出水水質滿足國家排放標準，而關鍵水質參數的監測對提高污水處理效果、避免出水水質超標有重要作用。磷是造成水體富營養化、藻類大量生長的主要因子，是水體富營養化問題的主要因素，控制水體富營養化的主要措施就是對富含磷的污水進行除磷操作，并且嚴格限制污水處理廠出水中總磷的濃度，而對污水總磷濃度的實時檢測是實現污水總磷有效去除的必要條件。因此，總磷濃度的實時檢測對提高污水處理廠污水處理能力、防止出水總磷超標有重要意義。

我國規定水質總磷的標準測定方法為鉬酸銨分光光度法，該方法的主要優點是檢測精度高，但是由于化學反應需要一定時間，并且人工操作復雜，化學檢測方法難以實現總磷的實時檢測。

為了克服化學檢測方法的不足，在避免使用化學藥劑的情況下連續快速的獲得總磷濃度，基于人工神經網絡的出水總磷軟測量方法已經得到廣泛研究。如Cong等人基于微波神經網絡建立出水水質自適應檢測模型，提出了微波神經網絡的自適應穩定學習算法，設計一種新的權值融合方法，可以在線校準中心，實驗結果表明該模型具有良好的動態性能和精度(Q.Cong and W.Yu.“Integrated soft sensor with wavelet neural networkand adaptive weighted fusion for water quality estimation in wastewatertreatment process.”Measurement.2018,124:436-446.)。Yang等人針對循環水養殖系統關鍵水質參數建立快速自適應軟測量模型，為了提高模型的適應性，提出一種基于遺傳算法的自適應算法，實現了動態環境的長期適應模擬(H.Yang,B.Csukas,M.Varga,et al.“Aquick condition adaptive soft sensor model with dual scale structure fordissolved oxygen simulation of recirculation aquaculture system.”Computersand Electronics in Agriculture.2019,162:807-824.)。Han等人針對區間Ⅱ型模糊神經網絡結構難以確定的問題，提出一種結構和參數自組織機制，該方法利用模糊規則獨立貢獻率來優化網絡結構，并提出一種快速收斂的自適應二階算法調整參數，該模型在污水總磷預測上有較好的效果(H.Han,Z.Chen,H.Liu and J.Qiao.“A self-organizinginterval Type-2fuzzy-neural-network for modeling nonlinear systems.”Neurocomputing.2018,290:196-207.)。Han等人提出一種基于遞歸自組織神經網絡的軟測量模型，該模型通過計算隱含層神經元的敏感度，根據敏感度與設定的閾值之間的大小關系調整網絡結構，從而保持模型的精度(H.G.Han,Y.Li,Y.N.Guo and J.F.Qiao.“A softcomputing method to predict sludge volume index based on a recurrent self-organizing neural network.”Applied Soft Computing.2016,38(C):477-486.)。Qiao等人提出一種針對污水非線性特性的增量徑向基函數神經網絡，根據神經元活性調整網絡結構，利用該神經網絡對污水總磷進行建模，結果表明該模型能夠準確預測總磷濃度(J.Qiao,X.Meng and W.Li.“An incremental neuronal-activity-based RBF neuralnetwork for nonlinear system modeling.”Neurocomputing,2018,302:1-11.)。喬俊飛等人提出一種基于自組織模糊神經網絡的總磷預測模型，該模型對規則層輸出進行奇異值分解，根據奇異值對網絡進行在線動態調整(喬俊飛,周紅標.“基于自組織模糊神經網絡的出水總磷預測.”控制理論與應用,2017,34(2):224-232.)。