一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的氨氮濃度預(yù)測方法
【專利摘要】一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的氨氮濃度預(yù)測方法既屬于控制領(lǐng)域，又屬于水處理領(lǐng)域。針對(duì)當(dāng)前污水處理過程出水氨氮濃度測量過程繁瑣、儀器設(shè)備造價(jià)高、測量結(jié)果可靠性和精確性低等問題，本發(fā)明基于城市污水處理生化反應(yīng)特性，利用一種遞歸自組織神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)關(guān)鍵水質(zhì)參數(shù)氨氮濃度的預(yù)測，解決了出水氨氮濃度難以測量的問題；結(jié)果表明該遞歸自組織神經(jīng)網(wǎng)絡(luò)能夠快速、準(zhǔn)確地預(yù)測污水處理出水氨氮的濃度，有利于提升污水處理過程出水氨氮濃度質(zhì)量監(jiān)控水平和加強(qiáng)城市污水處理廠精細(xì)化管理。
【專利說明】一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的氨氮濃度預(yù)測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明基于污水處理生化反應(yīng)特性，利用一種敏感度分析的遞歸自組織神經(jīng)網(wǎng)絡(luò) 實(shí)現(xiàn)對(duì)污水處理過程關(guān)鍵水質(zhì)參數(shù)氨氮濃度的預(yù)測，氨氮濃度是表征水體污染和污水處理 程度的重要參量，對(duì)人體健康有著重要影響，實(shí)現(xiàn)氨氮濃度的在線預(yù)測是實(shí)現(xiàn)脫氮控制的 基礎(chǔ)環(huán)節(jié)，是先進(jìn)制造【技術(shù)領(lǐng)域】的重要分支，既屬于控制領(lǐng)域，又屬于水處理領(lǐng)域。

【背景技術(shù)】
[0002] 氨氮是水環(huán)境污染和水體富營養(yǎng)化問題的主要因素，控制水環(huán)境污染和水體富營 養(yǎng)化的一項(xiàng)重要舉措就是嚴(yán)格限制污水處理出水中氨氮的排放；"十二五"期間，氨氮濃度 已成為全國主要污染物排放的約束性控制指標(biāo)，氨氮濃度智能檢測技術(shù)能夠提高氨氮去除 效率，改善目前出水氨氮超標(biāo)的現(xiàn)象；有利于提升實(shí)時(shí)水質(zhì)質(zhì)量監(jiān)控水平和加強(qiáng)城市污水 處理廠精細(xì)化管理，不但具有較好的經(jīng)濟(jì)效益，而且具有顯著的環(huán)境和社會(huì)效益。因此，本 發(fā)明的研究成果具有廣闊的應(yīng)用前景。
[0003] 環(huán)境保護(hù)部發(fā)布的《2013中國環(huán)境狀況公報(bào)》中指出，2013年我國黃河流域、松 花江流域等四大流域及省界水體受到不同程度的氨氮污染，湖泊等水庫富營養(yǎng)、中營養(yǎng)化 比例高達(dá)95. 2%。而氨氮又是導(dǎo)致水體富營養(yǎng)化的重要因素，氨氮污染在水環(huán)境質(zhì)量上已 成為全國性的污染問題；因此，實(shí)現(xiàn)氨氮濃度的快速預(yù)測，控制污水處理廠出水氨氮達(dá)標(biāo)排 放，是保證污水處理廠出水水質(zhì)合格的必要環(huán)節(jié)；目前氨氮濃度的測量方法主要有分光光 度法、電化學(xué)分析法和機(jī)理模型等，而分光光度法的測定原理是將水中游離態(tài)氨或銨離子 與氯化汞和碘化鉀的堿性溶液發(fā)生反應(yīng)生成淡紅棕色膠態(tài)絡(luò)合物，通過測量絡(luò)合物的吸光 度可得出氨氮的含量；然而，這種方法測量誤差較大，干擾因素多，操作繁瑣，存在廢棄物安 全處理等問題；電極法不需要對(duì)水樣進(jìn)行預(yù)處理，色度和濁度對(duì)測定結(jié)果影響較小，不易受 到干擾，操作快捷簡單，但電極的壽命和穩(wěn)定性較差，同時(shí)，電極法測量精度較低；同時(shí)，污 水處理過程影響硝化反應(yīng)參數(shù)眾多，動(dòng)力學(xué)特性復(fù)雜，進(jìn)而影響氨氮濃度的參數(shù)眾多，各因 素間相互作用，呈現(xiàn)非線性和耦合性等特點(diǎn)，很難建立出水氨氮的機(jī)理模型；因此，現(xiàn)有的 氨氮濃度檢測方法很難滿足污水處理廠實(shí)時(shí)檢測的需求，必須尋求新的檢測方法；近年來， 隨著軟測量技術(shù)的發(fā)展，軟測量方法能夠?qū)崿F(xiàn)一定精度范圍內(nèi)的非線性系統(tǒng)預(yù)測，為氨氮 濃度預(yù)測提供了理論基礎(chǔ)，為氨氮濃度的高精度預(yù)測提供一種可行方法。
[0004] 本發(fā)明設(shè)計(jì)了一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的出水氨氮濃度預(yù)測方法，實(shí)現(xiàn)出水 氨氮濃度的在線預(yù)測。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明獲得了一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的出水氨氮濃度預(yù)測方法，通過設(shè)計(jì) 遞歸自組織神經(jīng)網(wǎng)絡(luò)，根據(jù)污水處理過程的實(shí)時(shí)采集的數(shù)據(jù)實(shí)現(xiàn)遞歸自組織神經(jīng)網(wǎng)絡(luò)的在 線校正，實(shí)現(xiàn)了出水氨氮濃度的實(shí)時(shí)測量，解決了污水處理過程出水氨氮濃度難以實(shí)時(shí)測 量的問題，提高了城市污水處理廠水質(zhì)質(zhì)量實(shí)時(shí)監(jiān)控水平，保障污水處理過程正常運(yùn)行；
[0006] 本發(fā)明采用了如下的技術(shù)方案及實(shí)現(xiàn)步驟：
[0007] -種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的出水氨氮濃度預(yù)測方法包括以下步驟：
[0008] (1)確定輔助變量：采集污水處理廠實(shí)際水質(zhì)參數(shù)數(shù)據(jù)，選取與出水氨氮濃度相 關(guān)性強(qiáng)的水質(zhì)變量：進(jìn)水總磷TP、厭氧末端氧化還原電位0RP、好氧前段溶解氧D0、好氧末 端總固體懸浮物TSS以及出水pH作為出水氨氮濃度預(yù)測的輔助變量；
[0009] (2)設(shè)計(jì)用于出水氨氮濃度預(yù)測的遞歸自組織神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，遞歸自組織 神經(jīng)網(wǎng)絡(luò)分為三層：輸入層、隱含層、輸出層；初始化遞歸自組織神經(jīng)網(wǎng)絡(luò)：確定神經(jīng)網(wǎng)絡(luò) 5-K-1的連接方式，即輸入層神經(jīng)元為5個(gè)，隱含層神經(jīng)元為K個(gè)，K為正整數(shù)，輸出層神經(jīng) 元為1個(gè)；對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行賦值；設(shè)共有T個(gè)訓(xùn)練樣本，第t時(shí)刻神經(jīng)網(wǎng)絡(luò)輸入為 u(t) =[U1(t),u2(t),u3(t),u4(t),U5⑴],神經(jīng)網(wǎng)絡(luò)的期望輸出表示為yd(t),實(shí)際輸出表 示為y(t);遞歸自組織神經(jīng)網(wǎng)絡(luò)的計(jì)算功能是：

【權(quán)利要求】
1. 一種基于遞歸自組織神經(jīng)網(wǎng)絡(luò)的出水氨氮濃度預(yù)測方法，其特征在于，包括以下步 驟： (1) 確定輔助變量：采集污水處理廠實(shí)際水質(zhì)參數(shù)數(shù)據(jù)，選取與出水氨氮濃度相關(guān)性 強(qiáng)的水質(zhì)變量：進(jìn)水總磷TP、厭氧末端氧化還原電位ORP、好氧前段溶解氧DO、好氧末端總 固體懸浮物TSS以及出水pH作為出水氨氮濃度預(yù)測的輔助變量； (2) 設(shè)計(jì)用于出水氨氮濃度預(yù)測的遞歸自組織神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，遞歸自組織神經(jīng)網(wǎng) 絡(luò)分為三層：輸入層、隱含層、輸出層；初始化自組織粒子群-徑向基神經(jīng)網(wǎng)絡(luò)：確定神經(jīng)網(wǎng) 絡(luò)5-K-1的連接方式，即輸入層神經(jīng)元為5個(gè)，隱含層神經(jīng)元為K個(gè)，K為正整數(shù)，輸出層神 經(jīng)元為1個(gè)；對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行賦值；設(shè)共有T個(gè)訓(xùn)練樣本，第t時(shí)刻神經(jīng)網(wǎng)絡(luò)輸入為 u (t) = [U1 (t), u2 (t), u3 (t), u4 (t), U5⑴],神經(jīng)網(wǎng)絡(luò)的期望輸出表示為yd(t),實(shí)際輸出表 示為y(t);遞歸自組織神經(jīng)網(wǎng)絡(luò)的計(jì)算功能是：
wf《X)表示第t時(shí)刻隱含層第k個(gè)神經(jīng)元和輸出層的連接權(quán)值，k = 1,2,…，K ;vk(t) 是第t時(shí)刻隱含層第k個(gè)神經(jīng)元的輸出，其計(jì)算公式為：
表示第t時(shí)刻輸入層第m個(gè)神經(jīng)元和隱含層第k個(gè)神經(jīng)元的連接權(quán)值，m = 1， 2,…，5; V) U)表示第t時(shí)刻第k
個(gè)隱含層神經(jīng)元的自反饋輸出，其計(jì)算公式為： wi ?表示第t時(shí)刻隱含層第k個(gè)神經(jīng)元的自反饋連接權(quán)值，Vk(t-Ι)是第t-Ι時(shí)刻隱 含層第k個(gè)神經(jīng)元的輸出； 定義誤差函數(shù)為：
T表示遞歸自組織神經(jīng)網(wǎng)絡(luò)輸入的訓(xùn)練樣本數(shù)； (3) 訓(xùn)練神經(jīng)網(wǎng)絡(luò)，具體為： ① 給定一個(gè)隱含層神經(jīng)元為K的遞歸神經(jīng)網(wǎng)絡(luò)，輸入訓(xùn)練樣本數(shù)據(jù)u (t)，初始化隱含 層和輸出層的連接權(quán)值初始化隱含層神經(jīng)元的自反饋連接權(quán)值初始化輸入 層和隱含層的連接權(quán)值m = 1，2, *··,5, k = 1,2,…，K ; !4,.丨仍，W⑴和的 初始值?。ī? 1)的任意數(shù)；期望誤差值設(shè)為Ed，Ed e (〇, 〇. 01]; ② 計(jì)算第k個(gè)隱含層神經(jīng)元的靈敏度：
其中，k = 1，2，·..，!（； Vark [E (y (t) | vk (t)) ] =2 (Ak)2+ (Bk)2 ；
Ak和Bk表示靈敏度分析的傅立葉系數(shù)，其計(jì)算公式為：
其中，傅立葉變量s的取值范圍是[_ η，η] ;?k(t)是第k個(gè)隱含層神經(jīng)元的指定頻 率，《k(t)由第k個(gè)隱含層神經(jīng)元的輸出決定：
bk(t)是已訓(xùn)練的t步中第k個(gè)隱含層神經(jīng)元的輸出最大值，ak(t)是已訓(xùn)練的t步中 第k個(gè)隱含層神經(jīng)元的輸出最小值； ③ 進(jìn)行神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整： 刪減調(diào)整：若第k個(gè)隱含層神經(jīng)元的靈敏度STk小于a i，a i e (〇, 〇. 01]，則刪除該神 經(jīng)元，并更新隱含層神經(jīng)元數(shù)為K1 = K-I ;否則，不刪除該神經(jīng)元，K1 = K ; 增長調(diào)整：若當(dāng)前的誤差E (t) >Ed，則增加一個(gè)隱含層神經(jīng)元，新插入的神經(jīng)元初始連 接權(quán)值為：
其中，W,L,.(0表示新插入神經(jīng)元與輸入層之間的連接權(quán)值，W；L.(〇表示新插入神經(jīng)元 的自反饋連接權(quán)值，W,UO表示新插入神經(jīng)元和輸出層的連接權(quán)值，神經(jīng)元h是隱含層中 的靈敏度最大的神經(jīng)元，W), 表示結(jié)構(gòu)調(diào)整前隱含層第h個(gè)神經(jīng)元和輸入層的連接權(quán)值， -->表示結(jié)構(gòu)調(diào)整前隱含層第h個(gè)神經(jīng)元和輸出層的連接權(quán)值，并且新插入神經(jīng)元的輸 出vn"(t)表示為：
更新隱含層神經(jīng)元數(shù)為K2 = 1+1 ;否則，不調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，K2 = K1 ; ④ 進(jìn)行神經(jīng)網(wǎng)絡(luò)連接權(quán)值調(diào)整：
其中，k= 1，2，...，K2 ; w!(0=[ m4(0，"·》m4(I)]，Ii1 e (〇, 〇· l]、Ii2 e (〇, 〇· 1] 和Ii3 e (〇,〇.〇i]分別表示輸入層和隱含層連接權(quán)值的學(xué)習(xí)率、隱含層神經(jīng)元自反饋連接 權(quán)值的學(xué)習(xí)率、以及隱含層和輸出層連接權(quán)值的學(xué)習(xí)率； ⑤輸入訓(xùn)練樣本數(shù)據(jù)X (t+Ι)，重復(fù)步驟②-④，所有訓(xùn)練樣本訓(xùn)練結(jié)束后停止計(jì)算； (4)將測試樣本數(shù)據(jù)作為訓(xùn)練后的遞歸自組織神經(jīng)網(wǎng)絡(luò)的輸入，遞歸自組織神經(jīng)網(wǎng)絡(luò) 的輸出即為出水氨氮濃度的預(yù)測值。
【文檔編號(hào)】G06N3/02GK104376380SQ201410655729
【公開日】2015年2月25日 申請日期:2014年11月17日 優(yōu)先權(quán)日:2014年11月17日
【發(fā)明者】韓紅桂, 李穎, 張一弛, 喬俊飛 申請人:北京工業(yè)大學(xué)