[发明专利]一种污水化学需氧量软测量方法

说明书

技术领域

本发明涉及污水处理领域，具体来说是涉及一种污水化学需氧量软测量方法。

背景技术

随着污水处理工艺技术发展的日趋成熟，污水处理研究的重点已经转移到提高污水处理工艺过程的自动控制水平，改善出水水质，加强运行监控等方面。这些研究都是建立在污水处理过程和出水水质参数的实时准确快速测量基础上。这些参数主要有：BOD₅(5日生化需氧量)、COD(化学耗氧量)、T-N(总氮)、T-P(总磷)等。

化学需氧量(Chemical Oxygen Demand，COD)是在一定严格的条件下，水中各种有机物与外加的强氧化剂作用时所消耗的氧化剂量(结果以氧的mg/L来表示)。它是用来表示水中有机物总量的一个常用指标。天然水体中COD浓度是国家关于地表水环境质量分类、分级的重要指标之一，也是水体是否受到生活污水和工业废水污染的判断依据。

目前，世界各国的COD测定方法主要为重铬酸钾回流法。重铬酸钾回流法是在水样中加入一定量的重铬酸钾和催化剂硫酸银，在强酸性介质浓硫酸加入的条件下加热回流一定时间，部分重铬酸钾被水样中可氧化物质还原，用硫酸亚铁铵滴定剩余的重铬酸钾，根据消耗重铬酸钾的量计算COD的值。

重铬酸钾回流法测量COD准确可靠，但缺点也很明显：

(1)回流设备占用空间，操作比较繁琐，批量测定有困难；

(2)反应测量大时延，难以实时地得到所需控制参数；

(3)银盐耗量大，分析费用高，而且测试过程中添加的硫酸银和硫酸汞形成的酸性废液需要妥善处理，否则造成严重的二次污染。

有鉴于此，找到一种可以实时、经济、环保的测量模型是非常有意义的。

软测量技术(Soft Measurement)是利用现有可测过程参数来估计无法采用现有传感器获取系统运行必需的过程参数，以此设计和改善控制系统的一种新兴技术。软测量一般都建立在某种机理或数学模型基础上。采用软测量技术，利用可测易测的水质参数估计COD值，成本低、速度快，而且无污染。目前污水COD软测量的主要方法是神经网络软测量方法。

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。它具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。

在实际污水处理过程中，输入水质不同，有可能造成在相同的pH、溶解氧、氧化还原电位参数下COD数值的相同，这些数据在神经网络训练中是要避免的，但又是实际处理中经常遇到的；单独采用任何一个神经网络，都有它自己的局限性，局部最小、样本数量少等。这些问题常常造成网络训练的不收敛、参数估计的不准备。因此现有的污水COD神经网络软测量方法的主要问题为：应用条件要求苛刻，容易出现矛盾数据造成神经网络的不确定性，且适用性较差。

发明内容

本发明的目的是提供一种污水化学需氧量软测量方法，该方法适用范围广、估计精度高。

本发明的目的是这样实现的：

一种污水化学需氧量软测量方法，该方法包括以下步骤：

(1)获取训练样本水质参数；

(2)对训练样本进行分类；

(3)对应步骤(2)划分的各类训练样本，选择神经网络，建立神经网络模型；

(4)用步骤(2)划分的各类训练样本训练支持向量机；

(5)用步骤(2)划分的各类训练样本训练神经网络模型；

(6)估算污水化学需氧量。

其中，所述水质参数为pH、溶解氧或氧化还原电位。

本发明中，步骤(2)可以依据训练样本的污水厌氧、好氧状态对该训练样本进行分类。

优选地，步骤(2)可以依据溶解氧数值判断该训练样本的污水厌氧、好氧状态，对训练样本进行分类。污水是处于厌氧状态还是好氧状态，可通过溶解氧数值区分，该溶解氧数值位于0.5mg/L到1mg/L之间。一般情况下，溶解氧数值小于0.5mg/L时，污水处于厌氧状态；溶解氧数值大于0.5mg/L时，污水处于好氧状态。

步骤(2)也可以依据污水化学需氧量数值对训练样本进行分类，优选依据污水化学需氧量数值的均值对训练样本进行分类。