[发明专利]基于人工神经网络的农污设施出水总磷软测量方法及装置

权利要求书

1.一种基于人工神经网络的农污设施出水总磷软测量方法，所述农污设施为运行A²O工艺或含有A²O的组合工艺的农村生活污水处理设施，其特征在于，步骤如下：

S1：利用安装于待预测农村生活污水处理设施进水端的电导电极、A²O工艺好氧池中的溶解氧电极以及出水端的pH电极、电导电极和浊度电极，实时获取该农村生活污水处理设施中进水电导、A²O工艺好氧池DO、出水pH、出水电导和出水浊度五个运行状态参数的瞬时值，并上传至在线数据平台；

S2：在线数据平台接收现场状态监测设备传输的五个运行状态参数的瞬时值后，以五个运行状态参数作为输入层指标，以出水总磷浓度作为输出层指标，利用经过训练的BP神经网络模型对农村生活污水处理设施的出水总磷浓度进行预测。

2.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述的BP神经网络模型包括输入层、隐藏层和输出层，输入层有5个输入神经元，分别对应五个运行状态参数，隐藏层有16个隐藏神经元，输出层有1个输出神经元，对应预测的出水总磷浓度。

3.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述的五个运行状态参数经由电极测量后，经过模数转换获得数字信号，再通过通信网络实时传输至在线数据平台。

4.如权利要求3所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述的通信网络为无线通信网络。

5.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述的在线数据平台为云平台或者监控端服务器。

6.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述在线数据平台内内置的BP神经网络模型在训练时，采用不同农村生活污水处理设施的运行数据作为样本集进行训练，且每个农村生活污水处理设施也均运行A²O工艺或含有A²O的组合工艺，所述运行数据包含不同时刻的所述五个运行状态参数和出水总磷浓度。

7.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述农村生活污水处理设施为A²O处理设施、A²O与人工湿地串联的处理设施或A²O与滤池串联的处理设施。

8.如权利要求1所述的基于人工神经网络的农污设施出水总磷软测量方法，其特征在于，所述电极需安装定期冲洗装置或人工定期冲洗，以维持上述电极探头清洁，同时需定期校正电极，维持上述电极读数准确。

9.一种基于人工神经网络的农污设施出水总磷软测量装置，所述农污设施为运行A²O工艺或含有A²O的组合工艺的农村生活污水处理设施，其特征在于，包括：

现场状态监测设备，包括安装于待预测农村生活污水处理设施进水端的电导电极、A²O工艺好氧池中的溶解氧电极以及出水端的pH电极、电导电极和浊度电极，用于实时获取该农村生活污水处理设施中进水电导、A²O工艺好氧池DO、出水pH、出水电导和出水浊度五个运行状态参数的瞬时值；

信号传输系统，用于将现场状态监测设备获取到的五个运行状态参数数据实时发送至在线数据平台；

在线数据平台，平台中内嵌有经过训练的BP神经网络模型，用于以信号传输系统发送的五个运行状态参数作为输入层指标，输出农村生活污水处理设施的出水总磷浓度的预测值。

10.如权利要求9所述的基于人工神经网络的农污设施出水总磷软测量装置，其特征在于，所述在线数据平台内嵌的BP神经网络模型需定期进行预测准确性验证，若准确性不满足要求则需重新训练并导入满足准确性要求的模型参数。