[发明专利]一种基于信息融合-区间二型模糊神经网络的出水总磷智能检测方法

说明书

本发明提出一种基于信息融合‑区间二型模糊神经网络的出水总磷智能检测方法，实现污水处理过程中出水总磷浓度的智能检测。针对污水处理过程具有复杂、非线性的特点，难以利用精确的数学模型建立，该出水总磷智能检测方法通过提取与出水总磷相关的特征变量，建立基于区间二型模糊神经网络的出水总磷检测模型，利用一种信息融合方法对检测模型进行训练，实现检测模型结构和参数的自动调整，完成了出水总磷智能检测模型的设计，在污水处理厂低成本运行的前提下保证了污水处理过程中出水总磷浓度的实时智能检测并提高了检测精度。

技术领域

本发明在对污水处理过程运行特性进行分析的基础上，通过建立基于区间二型模糊神经网络的出水总磷智能检测模型，利用一种信息融合方法设计了模糊规则并对检测模型的参数和结构进行调整，实现出水总磷浓度的智能检测。这种基于信息融合-区间二型模糊神经网络的出水总磷智能检测方法可以在获得紧凑的模型结构的前提下实现更加精确的出水总磷检测精度，属于水处理领域。

背景技术

污水资源化利用的前提是需要保证污水经过处理后获得可达标排放的出水。从污水中提取其他资源和能源，对优化供水结构、增加水资源供给、缓解供需矛盾和减少水污染、保障水生态安全具有重要意义。因此，对污水处理过程的研究具有广阔的应用前景。

随着对污水处理过程的研究，污水部分有机物排放超标问题得到解决，但是氮、磷等污染物排放易超标问题仍丞待解决。地表水水源监测断面主要超标的指标为硫酸盐、高锰酸盐指数和总磷。因此，总磷浓度超标是当前污水处理厂的主要排放问题，同时污水处理中出水总磷的含量是衡量污水处理厂出水水质的重要指标。同时在多个行业标准、国家标准上也都将总磷排放浓度作为水质的重要衡量指标。因此，准确快速地检测出水总磷的浓度、及时处理降低出水总磷浓度对防治水体污染和资源循环利用具有重大意义。当前，污水处理厂主要通过使用在线总磷分析仪表可以实现出水水样的自动检测并且操作简单，但仪器购买和仪器维护成本较高。因此，人工神经网络成为检测出水总磷的有效智能技术。人工神经网络具有非线性逼近能力和学习能力，适用于具有非线性特点的污水处理过程，通过建模为污水出水水质检测提供了一种新的方法。因此本发明在提高出水总磷的检测精度上具有重要意义。

本发明设计了一种基于信息融合-区间二型模糊神经网络的出水总磷智能检测方法，该方法通过提取特征变量，建立了基于区间二型模糊神经网络的检测模型，利用信息融合方法对网络的结构和参数进行调整以获得具有紧凑结构的检测模型，同时提高了出水总磷的检测精度，为实现出水总磷精确检测提供了一种有效的方法，实现污水处理厂的实际需求。

发明内容

本发明获得了一种基于信息融合-区间二型模糊神经网络的出水总磷智能检测方法，该方法通过提取特征变量确定与出水总磷相关的主要变量以降低模型的输入维数，利用信息融合方法同时优化区间二型模糊神经网络的参数和结构，在保证模型精度的同时构造具有紧凑结构的模型，提高出水总磷智能检测的精度。

本发明采用了如下的技术方案及实现步骤：

一种基于信息融合-区间二型模糊神经网络的出水总磷智能检测方法，通过选取检测模型的特征变量，建立出水总磷智能检测模型，设计信息融合方法训练检测模型的结构和参数，实现出水总磷高精度智能检测，其特征在于，包括以下步骤：

(1)选取出水总磷智能检测模型特征变量

以污水处理过程为研究对象，选取溶解氧、氧化还原电位、固体悬浮物、进水小室pH值、氨氮、温度为影响出水总磷的特征变量；所有变量按公式(1)归一化，

z_i(t)＝(D_i(t)-D_i,min)/(D_i,max-D_i,min) (1)