专利名称：一种污水处理过程污泥膨胀指数预测方法
技术领域：
本发明利用集成神经网络实现污水处理过程中污泥膨胀指数SVI的预测，SVI的浓度直接决定了污水处理过程中污泥沉降的信息，对污水处理的正常运行有着重要影响；将预测方法应用于污水处理系统，既可节约投资和运行成本，又能及时监测污水处理相关参数，促使污水处理厂高效稳定运行；SVI的监测作为污水处理的重要环节，是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。
背景技术：
水资源问题已成为世界各国政府首要关注的议题，联合国《世界水资源综合评估报告》指出水问题将严重制约21世纪全球经济与社会发展，并可能导致国家间冲突；因 此，建立污水处理厂，最大限度地保护水环境，实现淡水资源持续利用和良性循环，已经成为我国政府水资源综合利用的战略举措。2011年国务院印发的《国家环境保护“十二五”规划》中指出2010年全国国家重点监控地表水断面劣于V类比例为17. 7%，七大水系国家重点监控断面劣于III类比例为45%。环保部2011年《中国环境状况公报》中指出2010年全国废水排放总量为617. 3亿吨，比上年增加4. 7%，而全年累计处理污水343. 3亿立方米，水污染防治现状是局部有所改善，总体尚未遏制，形势依然严峻，压力继续加大。因此，建立污水处理厂，最大限度地保护水环境，实现淡水资源持续利用和良性循环，已经成为我国政府水资源综合利用的战略举措。但是污水处理厂的运行状况却不容乐观由于设施运行负荷率低、污水厂进水化学需氧量浓度低，水质监管、检测不完备等原因，在污水处理过程中，难以保证污水厂运行的稳定性和可靠性。目前，我国几乎所有的城市污水处理厂和大部分工业污水处理厂每年都存在着不同程度的污泥膨胀。污泥膨胀不仅使污泥流失，出水水质超标，甚至导致整个污水处理系统崩溃，�：薮�。因此，抑制污泥膨胀发生，确保污水处理质量达标是当前亟待解决的问题。污泥膨胀的主要特征是污泥沉降性能恶化，SVI是表示污泥沉降性能的参数，又称为污泥膨胀指数，通常当SVI高于150mL/g时发生污泥膨胀。SVI这一关键指标难以测量，污水处理厂实际运行中靠人工化验得到，其分析测定周期一般需要多个小时。大部分污水处理厂SVI的测量频率为每周1-2次，很难依靠SVI的人工化验值及时获取污泥膨胀信息。同时，由于引起污泥膨胀的原因是多方面的，而且这些因素相互影响，相互联系，相互制约，对于普遍发生的污泥膨胀进行识别和预测，这既是一个工程问题又涉及到了微生物的相关知识，需要多个学科知识交叉结合。因此，研究新的方法实现SVI的预测问题，已成为污水控制工程领域研究的重要课题，并且具有重要的现实意义。本发明提出一种污泥膨胀指数SVI预测方法，通过构建集成神经网络模型，选择一组既与SVI密切联系，又容易测量的变量作为集成神经网络的输入，对于不能测量的与SVI相关的变量则通过集成神经网络进行预测，最后实现对SVI的预测，从而确保及时发现污泥膨胀，降低污泥膨胀发生，保证污水处理厂的正常运行。
发明内容
本发明获得了一种基于集成神经网络的污水处理过程中污泥膨胀指数SVI的预测方法；该方法通过分析污水处理过程，在众多可测变量中选择一组与SVI有密切联系且容易测量的变量作为集成神经网络的输入，对于不能测量的与SVI相关的变量则通过集成神经网络进行预测，最后实现对SVI的预测；本发明采用了如下的技术方案及实现步骤I. 一种污泥膨胀指数SVI的预测方法，(I)设计用于SVI预测的集成神经网络初始拓扑结构；网络分为两部分第一部分包含输入层、隐含层、输出层，第二部分也包括输入层、隐含层、输出层；第一部分的输入为辅助变量，输出为生化需氧量BOD ;第二部分的输入为辅助变量和生化需氧量B0D，输出为污泥膨胀指数SVI ；初始化神经网络第一部分神经网络为N-Ml-I的连接方式，即输入层神经元为N个，隐含层神经元为Ml个，输出层神经元为I个；对第一部分神经网络的权值进行随机赋值；神经网络的输入表示为X1=Iix1, x2，…，xN]T，[X1, χ2，…，xJT为[X1, χ2，…，χΝ]的转置，第一部分神经网络的期望输出表示为ydl ;设共有P个训练样本，则第P个训练样本为X1 (P) = Lx1 (P)，χ2 (P)，…，χΝ(Ρ)]τ，用第P个训练样本训练神经网络时，第一部分神经网络的输出可描述为
权利要求
1.一种污泥膨胀指数SVI的预测方法，其特征包括以下步骤 (I)设计用于SVI预测的集成神经网络，集成神经网络分为两部分第一部分神经网络包含输入层、隐含层、输出层，第二部分神经网络也包括输入层、隐含层、输出层；第一部分神经网络的输入为辅助变量，输出为生化需氧量BOD;第二部分神经网络的输入为辅助变量和生化需氧量B0D，输出为污泥膨胀指数SVI ； 初始化神经网络 第一部分神经网络为N-Ml-I的连接方式，即输入层神经元为N个，隐含层神经元为Ml个，输出层神经元为I个；对第一部分神经网络的权值进行随机赋值；神经网络的输入表示为 X1= [X1, x2,...，xN]T, [x1； X2,. ·.，χΝ]τ 为[X11X^. · ·, xN]的转置，第一部分神经网络的期望输出表示为ydl;设共有P个训练样本，则第P个训练样本为X1 (P) = [X1 (P), (p),...,χΝ(P)]τ，用第P个训练样本训练神经网络时，第一部分神经网络的输出可描述为
全文摘要
一种污水处理过程污泥膨胀指数预测方法属于污水处理领域。污水处理过程的生产条件恶劣，随机干扰严重，具有强非线性、大时变、严重滞后的特点，我国几乎所有的城市污水处理厂和大部分工业污水处理厂每年都存在着不同程度的污泥膨胀，污泥膨胀的主要特征是污泥沉降性能恶化，污泥膨胀指数SVI是表示污泥沉降性能的参数，但是SVI这一关键指数难以在线测量；本发明针对污水处理过程中污泥膨胀指数SVI无法在线测量的问题，采用了基于集成神经网络的预测方法，实现了污水处理过程中污泥膨胀指数SVI的实时预测，取得了较好的效果。
文档编号G01N33/18GK102778548SQ20121021253
公开日2012年11月14日 申请日期2012年6月21日 优先权日2012年6月21日
发明者乔俊飞, 任东红, 袁喜春, 韩红桂 申请人:北京工业大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
