基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究

《基于遗传算法和BP神经网络的微涡流混凝投药控制模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级ＵＤＣ编号年東夂１１大普硕士学位论文基于遗传算法和ＢＰ神经网络的微涡流混凝投药控制模型研究学位申请人：樊琦学科专业：市政工程指导教师：胡锋平教授答辩日期：独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方夕卜，论文中不包含其他人已经发表和撰写的研宄成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料一。与我同工作的同志对

2、本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢〇＾Ｕ本人签名＾气日期％＇’义关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，ｇ卩：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容。（广本人签名导师签名期＿ｍｍ基于遗传算法和ＢＰ神经网络的微涡流混凝投药控制模型研究摘要随着经济的迅速发展，人们

3、对饮用水水质的要求也日益提髙，在供水过程中制水企业如何保证良好水质的同时又能降低制水成本成为水处理行业的热门话题。而混凝作为、、水处理中的关键环节，具有非线性大时滞多扰动的特点，尤其是微涡流混凝过程比传统混凝工艺具有更加复杂的水力条件，在工程应用中常因混凝剂投加量不准确而造成药剂浪费和出水水质不佳等问题。本文采用函数拟合构建了微涡流混凝投药数学控制模型，并将ＢＰ神经网络和遗传算法等仿生算法引入微涡流混凝投药过程，构建了基于ＢＰ神经网络的微涡流混凝投药控制模型和基于遗传算法优化ＢＰ神

4、经网络的微涡流混凝投药控制模型。研宄结果及结论如下。（１）浊度控制目标的确定和建模数据的获取３３３１）进行微涡流混凝净水试验，在流量为６．００ｍ／ｈ、８．００ｍ／ｈ和１０．００ｍ／ｈ，投药？４０Ｌ时量变化范围为１６．００．００ｍｇ／，随着投药量增加，出水浊度均呈现先降低后增加的趋势，在投药量为３０．００ｍｇ／Ｌ时出水浊度达到最低，为最佳投药量，且在混凝剂投加量？彡ＮＴＵ为２４．００３６．００ｍｇ／Ｌ的范围内，出水浊度比较稳定，基本维持在１．００，并确定以此浊度作为投药控制模

5、型的浊度控制目标。２２４？Ｌ的范围内）在混凝剂投加量为．００３６．００ｍｇ／，以出水浊度彡１．００ＮＴＵ为目标，３５５０？５５０５０７７５０调节进水流量变化范围为．１０．００ｍ／ｈ．、６．００、６．、．００、．、８．００、，包括３．、．、．、１．／ｈ共１０个工况８５０９００９５００００ｍ，获取对应混凝剂投加量下的进水流量、进水浊度、ｐＨ值以及出水浊度，为后续进行微涡流混凝投药控制模型研究提供了建模参数和数据基础。（２）微涡流混凝投药数学模型研究采用ＭＡＴＬＡＢ函数拟合

6、工具箱对原水流量、ｐＨ值、进水浊度、出水浊度以及对应的混凝剂投加量五个指标进行函数拟合．００，在控制出水浊度目标＜１ＮＴＵ的条件下，二阶线性函数拟合发现四个指标与混凝剂投加量之间存在较为明显的数学关系，经非线性函数拟合得出了微涡流混凝投药的数学控制模型：＝－－－＾２３＋＋４ｘｊ．３４６９＋４．８４３６Ｘ３．７８０３ｘ０．７３７７ｘ．４２７５ｘ０．０８７８ｘｊ２３４＾２２２２－－－－０．０４７１６ｊｃｊｃ＋０＿０３６８７ｘｘ０．１７８４ｘｆ０．０４８６ｘ＋０＿０９８

7、ｊｃ５．８７０５ｊｃ２３２４２３４３式中，ｙ为混凝剂投加量，ｍｇ／Ｌ；＼为原水流量，ｍ／ｈ；ｘ为进水浊度，ＮＴＵ；ｘ２３为原水ｐＨ值；ｘ４为出水浊度，ＮＴＵ。经分析发现，数学模型对投药量的预测误差介于±２．００ｍｇ／Ｌ之间，个别点误差突变Ｉｍｍ至３．００ｍｇ／Ｌ，误差较大。（３）基于ＢＰ神经网络的微涡流混凝投药控制模型研究以原水流量、ｐＨ值、进水浊度、出水浊度以及对应的混凝剂投加量五个指标为基础，利用经验公式确定了ＢＰ神经网络的单隐含层的节点数，通过ＭＡ

8、ＴＬＡＢ构建了基于ＢＰ神经网络的微涡流混凝投药控制模型。经误差分析发现，混凝投药量预测误差波动范围在±１．００ｍｇ／Ｌ之间，说明构建的ＢＰ神经网络模型比构建的数学模型误差更小。４ＢＰ（）基于遗传算法和神经网络的微涡流混凝投药控制模型研宄选用遗传算法对ＢＰ神经网络连接权值和阈值进行优化，构建了基于遗传算法和ＢＰ±０５０Ｌ神经网络的微涡流混凝投药控制模型。仿真发现．ｍ／，优化后模型预测误差介于ｇ之间，不