[发明专利]一种数据驱动的石化污水可生化性智能评价方法

说明书

一种数据驱动的石化污水可生化性智能评价方法属于炼化污水处理与资源化利用领域。针对当前石化污水处理过程BOD等关键变量的检测值实时获取困难，导致石化污水可生化性难以在线精确评价的问题，本发明设计了一种数据驱动的石化污水可生化性智能评价模型，实现了对石化污水可生化性的实时准确评价；实验结果表明该智能评价模型可以准确地评价石化污水可生化性，并具有较高的评价精度，保证了石化污水处理过程的安全高效稳定运行。

技术领域

本发明设计了一种数据驱动的石化污水可生化性智能评价方法，实现了对石化污水可生化性的实时准确评价。石化污水可生化性作为评价污水成分的主要指标之一，是石化污水处理过程中选择不同处理工艺、预防措施和操作策略的重要依据。准确评价石化污水可生化性对水厂现场操作工人提供相应的预防和应对措施支持至关重要，对石化污水处理过程中的降本增效和高效稳定运行有着重要影响，是先进制造技术领域的重要分支，属于炼化污水处理与资源化利用领域。

背景技术

石化污水可生化性也称石化污水的生物可降解性，即石化污水中有机污染物被微生物降解的难易程度，其是评价石化污水成分的指标之一，是石化企业选择不同工艺处理污水和选择操作策略的重要依据。因此，实现石化污水可生化性的实时准确评价是当前石化污水处理厂面临的关键问题。目前常见的石化污水可生化性评价方法为水质指标评价法，然而局限于关键水质指标检测频率以及类别的不同，水质指标评价法难以获得实时准确的评价结果，无法满足石化污水处理厂的实际需求。因此，利用智能手段进行精确评价是当前研究重点。

本发明设计了一种数据驱动的污水可生化性智能评价方法，主要通过分析污水处理过程特点，利用在线数据和离线数据确定污水可生化性的特征变量，并进行相应预处理，基于模糊神经网络建立污水可生化性的智能评价模型，并利用在线数据对模型参数进行调整，实现了对污水可生化性的智能评价。

发明内容

本发明获得了一种数据驱动的石化污水可生化性智能评价方法，该评价模型以污水可生化性的四种类别为预测变量，以生化需氧量BOD、初沉池化学需氧量COD、进水化学需氧量COD_in，总磷TP、氨氮NH₄-N、酸碱度pH、溶解氧DO、温度T、固体悬浮物浓度SS、氧化还原电位ORP、进水流量Q_in、浊度、硝态氮NO₃-N、污泥浓度MLSS为相关变量，利用这些变量的数据提取特征变量，并构造模糊神经网络，实现石化污水可生化性类别与特征变量之间的非线性映射，解决了石化污水可生化性难以实时准确评价的问题，有效提高了污水可生化性评价的精度，缩短了污水可生化性的评价周期。

本发明采用了如下的技术方案及实现步骤：

1.一种数据驱动的石化污水可生化性智能评价方法，包括以下步骤：

(1)确定预测变量和相关变量：本发明主要针对石化污水处理过程中污水可生化性进行智能评价，确定生化需氧量BOD、初沉池化学需氧量COD、进水化学需氧量COD_in，总磷TP、氨氮NH₄-N、酸碱度pH、溶解氧DO、温度T、固体悬浮物浓度SS、氧化还原电位ORP、进水流量Q_in、浊度、硝态氮NO₃-N、污泥浓度MLSS共14个变量为污水可生化性相关变量，以污水可生化性的四种类别即难降解、部分可降解、较易降解、易降解为预测变量，四种类别分别定义为第1～4类；

(2)设计用于选取石化污水可生化性特征变量的多尺度特征提取算法：