[发明专利]一种基于混合编码粒子群-长短期记忆神经网络出水氨氮软测量方法

说明书

一种基于混合编码粒子群‑长短期神经网络的出水氨氮软测量方法，属于污水处理领域和人工智能领域。由于氨氮浓度在线监测设备技术含量高、价格昂贵，并且由于城市污水处理过程存在着不确定、多过程、强耦合、非线性和时变等特点，很难通过反应机理建立准确的数学模型。本发明利用基于混合粒子群‑长短期记忆神经网络建立出水氨氮浓度的软测量模型：首先根据长短期记忆神经网络的参数和结构对粒子的位置进行混合编码；然后提出一种更新机制来调整混合编码的粒子，直到获得满足需求的神经网络模型。本发明实现对出水氨氮浓度的准确测量，有助于保障城市污水处理过程的正常运行，提高污水处理的质量。

技术领域：

本发明利用基于混合编码粒子群-长短期记忆神经网络建立城市污水处理过程出水氨氮浓度的软测量模型，实现对出水氨氮浓度的实时测量；出水氨氮的浓度反映了水体的富营养化程度以及污水处理过程中含氮污染物的去除效果，其准确测量对于城市污水处理过程的运行监控和提高污水处理质量十分重要。本发明既属于水处理领域，又属于人工智能领域。

背景技术：

水体中含氮污染物超标会引起自然水体富营养化问题，国家对城市污水处理过程中含氮污染物的排放标注日趋完善。在城市污水处理过程中，相关水质参数的准确测量是保障城市污水处理过程正常运行和提高污水处理质量的前提。因此，本发明具有广阔的应用前景。

城市污水处理过程是一个具有不确定性、多过程、强耦合、非线性和时变特性的复杂系统。相关水质参数的准确测量是污水处理厂稳定高效运行的重要保证。出水氨氮浓度是水质检测的常用指标之一，能很好地反映水体富营养化程度和有机物含量。但是，由于出水氨氮浓度在线监测设备技术含量高、价格昂贵，目前还没有得到广泛应用，主要依靠人工实验室分析，实时性差。另外，由于污水处理厂具有非线性、时变性和强耦合的特点，很难通过反应机理建立准确的数学模型。因此，建立基于智能算法的软测量系统对于出水氨氮浓度的实时在线检测具有重要意义。

软测量方法利用易测变量以及被测系统内部变量的相关性，通过构建等效模型对难测变量进行实时预测，为污水处理过程中出水氨氮的测量提供了一种高效快速的解决方案。由于长短期记忆神经网络独特的门结构，可以有效地处理时间序列中的长、短期相关性以及强大的非线性建模能力，被广泛应用到软测量系统中。本发明设计了一种基于混合编码粒子群-长短期记忆神经网络出水氨氮预测方法，通过混合编码粒子群算法对长短期记忆神经网络进行优化设计，实现对出水氨氮浓度实时测量，保证污水处理过程的正常进行，提高出水水质。

发明内容：

针对城市污水处理过程中出水氨氮难以实时测量的问题，本发明提出一种基于混合编码粒子群-长短期记忆神经网络的出水氨氮软测量方法。该方法利用城市污水处理过程的机理模型与专家经验，选取与出水氨氮浓度密切相关的易测辅助变量，通过构造长短期记忆神经网络实现辅助变量与出水氨氮之间的映射；设计了基于混合编码的粒子群算法，自动调整长短期记忆神经网络的参数和结构，并将设计得到的长短期记忆神经网络用于出水氨氮浓度的软测量，解决污水出水氨氮浓度难以测量的问题，保障城市污水处理过程的有效运行。

本发明提供了一种基于混合编码粒子群-长短期记忆神经网络的出水氨氮软测量方法。其特征在于，包括如下步骤：

步骤1：软测量模型的输入变量选择与数据预处理；

采集污水处理厂水质参数数据，选择水质参数数据中的好氧末段溶解氧浓度DO、好氧末端总固体悬浮物浓度TSS、出水酸碱度pH、出水氧化还原电位ORP和出水硝态氮浓度NO^-₃-N作为输入变量，出水氨氮浓度作为输出变量。并将输入和输出变量按以下公式归一化至[-1，1]之间：

其中x是归一化后的数据，O表示水质参数的原始数据。max(O)和min(O)分别是该项数据的最大值和最小值。