[发明专利]基于尖峰自组织径向基神经网络的污泥膨胀预测方法

说明书

技术领域

本发明利用基于尖峰自组织径向基神经网络对污泥膨胀关键指标污泥体积指数SVI进行预测，实现了污泥膨胀的实时检测。污泥体积指数SVI的实时预测是实现污泥膨胀控制的重要环节，是污水处理过程正常运行的重要基础，既属于控制科学与工程领域，又属于环境科学与工程领域。

背景技术

随着国民经济的增长和公众环保意识的增强，污水处理自动化技术迎来了前所未有的发展机遇。国家水污染防治法中提出提高水的重复利用率，鼓励科学技术研究和先进适用技术的推广应用。随着我国污水处理设施的大量建成，设施运营状态受到越来越高的重视。因此，本发明的研究成果具有广阔的应用前景。

污泥体积指数SVI能够较好的反映污水处理过程活性污泥的凝聚、沉降性能，是我国目前使用最多的评价污泥性能的参数指标。污泥体积指数SVI值过低，说明泥粒小，无机物含量高，缺乏活性；污泥体积指数SVI值过高，说明污泥沉降性能不好，可能已经产生污泥膨胀。一般认为污泥体积指数SVI值大于150mL/g时发生污泥膨胀。污泥膨胀一旦发生，污水处理过程中污泥难以沉降、随出水流失，一方面导致出水水质不达标，另一方面导致返回到曝气池中的污泥量减少，影响污水处理过程正常的运行。污泥膨胀严重时可导致整个污水处理工艺崩溃，带来巨大的经济和环境损失。因此，实现污泥体积指数SVI值的快速预测，保证污水处理厂的正常运行，降低污泥膨胀发生率是污水处理安全运行的基础。

传统污泥体积指数SVI的测量，一般取生物反应器出口处的混合液静止30分钟，沉淀烘干，得到每克干污泥形成的沉淀污泥体积，进而计算污泥体积指数SVI。然而，传统方法测量误差较大，历时长，操作繁琐。同时，由于污泥膨胀发生过程机理特性和动力学特性复杂，各成因因素呈现高度非线性、强耦合性等特点，很难建立污泥膨胀的机理模型。近年来，随着软测量技术的发展，软测量方法能够实现一定精度范围内的非线性系统预测，为污泥体积指数SVI的预测提供了理论基础。近年来，人工神经网络作为一种智能方法在软测量中得到广泛应用，通过优化神经网络性能，可以提高软测量的精度，实现污泥体积指数SVI的高精度预测，为污泥膨胀的实时检测提供一种可行方法。

本发明设计了一种基于尖峰自组织径向基神经网络的污泥体积指数SVI预测方法，通过构建尖峰自组织径向基神经网络软测量模型，实现污泥膨胀在线预测。

发明内容

本发明获得了一种污泥膨胀关键参数污泥体积指数SVI的智能预测方法，该方法基于尖峰自组织径向基神经网络，通过同时调整尖峰自组织径向基神经网络的结构和参数，提高神经网络自适应能力和预测性能，建立了污泥体积指数SVI的软测量模型，实现了污泥膨胀的在线预测；

本发明采用了如下的技术方案及实现步骤：

1.基于尖峰自组织径向基神经网络的污泥体积指数SVI预测方法，其特征在于，包括以下步骤：

(1)确定软测量模型的辅助变量：采集污水处理厂实际水质参数数据，选取与污泥体积指数SVI相关性强的水质变量溶解氧浓度DO、酸碱度pH、化学需氧量COD及总氮TN作为污泥体积指数SVI测量的辅助变量。

(2)设计用于污泥体积指数SVI的尖峰自组织径向基神经网络拓扑结构，尖峰自组织径向基神经网络分为三层：输入层、隐含层、输出层；初始化尖峰自组织径向基神经网络：确定神经网络4-J-1的连接方式，即输入层神经元为4个，隐含层神经元为J个，输出层神经元为1个；对神经网络的参数进行赋值；设共有T个训练样本，第t时刻神经网络输入为x(t)＝[x₁(t)，x₂(t)，x₃(t)，x₄(t)]，神经网络的期望输出表示为o(t)，实际输出表示为y(t)；尖峰自组织径向基神经网络的计算功能是：

w_j(t)表示隐含层第j个神经元和输出层的连接权值，j＝1，2，…，J；Φ_j是隐含层第j个神经元的输出，其计算公式为：

c_j表示隐含层第j个神经元中心值，σ_j表示隐含层第j个神经元的中心宽度；定义误差函数为：

T表示尖峰自组织径向基神经网络输入的训练样本数；

(3)设计调整尖峰自组织径向基神经网络模型结构的尖峰函数，尖峰自组织径向基神经网络隐含层神经元的尖峰强度定义为：