混合软测量方法在污水处理中的研究

《混合软测量方法在污水处理中的研究》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、摘要混合软测量方法在污水处理中的研究摘要本文在前人研究过的ASM1和ASM1-CN的基础上，建立了一种简化的机理模型（SPM）。相对于其他模型来说，该简化模型结构更加简单，参数更少，实际应用起来也更加方便。另外，由于污水处理过程中，鼓风机的风量控制是节约成本的一个重要的因素之一，所以，在该简化模型中加入了风机的风量控制过程，根据曝气池里面的溶解氧的浓度来进行调解鼓风机的风量，可以节约水厂的运行成本。简化模型是在以前复杂模型的基础上改进而来，模型中不可避免的会用到跟以前模型相同的参数，但参数值的大小应该重新确定，

2、所以，在简化模型使用之前，要根据实际运行数据通过遗传算法（GA）对其参数进行优化。污水处理的是一个十分复杂的微生物反应过程，其中包含有许多未知因素，包括不同的操作工况、天气、进水状况等，单纯数学模型的预测肯定会存在一定的误差。基于神经网络的非线性拟合能力，所以，本文采用神经网络来对机理模型进行偏差校正，建立了一种混合软测量模型。混合模型的基本实现步骤如下：1．用已经建好的机理模型来对实际过程进行预测，求得预测值跟实际值（采样值）的偏差；2．选用合适的神经网络，并根据现有数据的情况进行选择，确定神经网络各层的节点

3、数；3．根据实际情况选择神经网络的输入向量，步骤1中所得误差作为网络的输出，对神经网络进行训练，得到由机理模型和神经网络组成混合模型；4．对于现场新来的数据，分别输入机理模型和神经网络部分，两者的输出之和即为混合模型的预测值。仿真结果显示，该混合模型对实际过程具有很好的拟合预测效果，特别是对实际处理时间地预测，节约了成本，增加了处理量，说明了这种混合软测量方法（SPM+GA+NN）的准确性和可应用性。关键词：污水处理遗传算法神经网络混合模型IABSTRACTSTUDIESONHYBRIDSOFTSENSORMO

4、DELINGANDSIMULATIONFORWASTEWATERTREATMENTPROCESSABSTRACTThispaperpresentsthedevelopmentofasimplifiedprinciplemodel(SPM)basedonASM1andASM1-CN.Comparedwithothermodels,thismodeldevelopedconsistsofmoresimplifiedconfigurationandhasfewparameterswithbetterapplicati

5、ons.Inaddition,theairfanisthekeyfactortoreducetheoperationcosts.Thefancontrolprocessisintroducedinthismodel.WecancontrolthewindspeedbySPMaccordingtotheconcentrationofoxygeninordertoreducethecost.Thismodelisaresultofameliorationbasedoncomplexmodel,sosomeparam

6、eterscouldbethesameasformermodel,butthevalueisnotexactenough,weneedtooptimizetheparametersbyusinggeneticarithmetic(GA).Wastewatertreatmentisacomplexprocess,includinglotsofunknownfactors,suchasfieldcondition,weatherandinputs,andsoon.Theerrorsexistifwesimulate

7、theprocessusingSPM.Wecanuseneuralnetworkforerroremendationbecauseofitsnonlinearsimulationability,buildingahybridsoftsensormodel.Thefollowingstepsareforhybridmodel:a.Simulaterealprocessbyusingtheprinciplemodelandgettheerrorbetweenthepredictedandactualvalues.b

8、.Chooseasuitableneuralnetworkanddeterminethenodenumberofeverylayer.c.Confirmtheinputsofneuralnetwork,andtheoutputistheerrorwegotfromthestepa,thentrainingtheneuralnetwork,wecangetthehybridmodelco