[发明专利]基于自组织随机配置网络的污水总磷软测量方法及系统

说明书

本发明属于污水处理技术领域，公开一种基于自组织随机配置网络的污水总磷软测量方法及系统，该方法包括：步骤1，基于随机配置网络构建总磷软测量模型，确定总磷软测量模型的输入变量和输出变量，所述输入变量为出水pH值、入水流量、第五分区溶解氧浓度、第二分区硝态氮浓度和出水固体悬浮物浓度；所述输出变量为出水总磷浓度；所述总磷软测量模型的隐含层为单层；步骤2，对隐含层的神经元个数进行自组织调整和参数确定；步骤3，基于结构调整后的总磷软测量模型进行污水总磷软测量。本发明在不需要人为设定阈值的情况下，可以根据输出误差自动调整网络结构。

技术领域

本发明属于污水处理技术领域，尤其涉及一种基于自组织随机配置网络的污水总磷软测量方法及系统。

背景技术

近五年我国在水污染防治能力建设方面投资超2000亿元，截至2020年，我国累计建成污水处理厂10113座，污水处理率超95％。虽然污水处理率已达到较高水平，但由于我国污水排放标准的提高，部分污水处理厂工艺落后，加之部分污水处理厂负荷能力不足，时常出现出水水质超标和工况异常等问题，对环境造成污染的同时增加了污水处理厂的运行成本。城市污水处理的最终目标是使出水水质满足国家排放标准，而关键水质参数的监测对提高污水处理效果、避免出水水质超标有重要作用。磷是造成水体富营养化、藻类大量生长的主要因子，是水体富营养化问题的主要因素，控制水体富营养化的主要措施就是对富含磷的污水进行除磷操作，并且严格限制污水处理厂出水中总磷的浓度，而对污水总磷浓度的实时检测是实现污水总磷有效去除的必要条件。因此，总磷浓度的实时检测对提高污水处理厂污水处理能力、防止出水总磷超标有重要意义。

我国规定水质总磷的标准测定方法为钼酸铵分光光度法，该方法的主要优点是检测精度高，但是由于化学反应需要一定时间，并且人工操作复杂，化学检测方法难以实现总磷的实时检测。

为了克服化学检测方法的不足，在避免使用化学药剂的情况下连续快速的获得总磷浓度，基于人工神经网络的出水总磷软测量方法已经得到广泛研究。如Cong等人基于微波神经网络建立出水水质自适应检测模型，提出了微波神经网络的自适应稳定学习算法，设计一种新的权值融合方法，可以在线校准中心，实验结果表明该模型具有良好的动态性能和精度(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等人针对循环水养殖系统关键水质参数建立快速自适应软测量模型，为了提高模型的适应性，提出一种基于遗传算法的自适应算法，实现了动态环境的长期适应模拟(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等人针对区间Ⅱ型模糊神经网络结构难以确定的问题，提出一种结构和参数自组织机制，该方法利用模糊规则独立贡献率来优化网络结构，并提出一种快速收敛的自适应二阶算法调整参数，该模型在污水总磷预测上有较好的效果(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等人提出一种基于递归自组织神经网络的软测量模型，该模型通过计算隐含层神经元的敏感度，根据敏感度与设定的阈值之间的大小关系调整网络结构，从而保持模型的精度(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等人提出一种针对污水非线性特性的增量径向基函数神经网络，根据神经元活性调整网络结构，利用该神经网络对污水总磷进行建模，结果表明该模型能够准确预测总磷浓度(J.Qiao,X.Meng and W.Li.“An incremental neuronal-activity-based RBF neuralnetwork for nonlinear system modeling.”Neurocomputing,2018,302:1-11.)。乔俊飞等人提出一种基于自组织模糊神经网络的总磷预测模型，该模型对规则层输出进行奇异值分解，根据奇异值对网络进行在线动态调整(乔俊飞,周红标.“基于自组织模糊神经网络的出水总磷预测.”控制理论与应用,2017,34(2):224-232.)。