[发明专利]基于混沌-烟花混合算法的污水处理过程软测量建模方法

说明书

本发明公开了一种基于混沌‑烟花混合算法的污水处理过程软测量建模方法，为提高FWA初始烟花成员的质量，本发明定义了一种改进的两级正弦混沌映射；为提高基本FWA的优化性能，融合混沌优化算法和FWA算法，提出了一种混沌‑烟花混合优化算法。本发明有效增强了种群中成员间的信息交流与共享、提高了种群的多样性、扩大了在解空间的搜索范围，避免了算法的早熟收敛。此外，针对污水生化处理过程溶解氧质量浓度的软测量建模问题，定义了一项新的样本相似度衡量指标并提出一种代表样本的提取方法，用于提取更具代表性的建模数据，并将改进的混沌‑烟花混合优化算法应用于软测量建模中神经网络的训练，取得了良好的应用效果。

技术领域

本发明涉及软测量建模领域，具体涉及一种基于混沌-烟花混合算法的污水处理过程软测量建模方法。

背景技术

随着工业和生活污水排放量的不断增加，水资源污染日益严重，使原本短缺的水资源更加捉襟见肘。城镇污水处理及再生利用是改善生态环境、解决城市缺水问题的有效途径之一。目前污水处理多采用生化法，是工业和城市污水处理的最主要途径。污水生化处理系统中，水中溶解氧浓度(DO)是污水处理生化反应过程中的一项重要指标，可及时直观地反应整个污水处理系统的运行状况，溶解氧浓度的监测与控制对提高污水处理过程的处理效果和处理效率至关重要。受污水处理过程中存在污水成分繁杂多变、污水污泥流量存在诸多不确定性等因素影响，现有方法难以实现对溶解氧质量浓度的实时准确测量，难以满足污水处理过程需求，溶解氧质量浓度等参数的在线软测量技术研究具有重要意义。

人工神经网络是一种常用的软测量建模方法。为进一步提高神经网络软测量模型的性能，常将PSO等群体智能优化算法用于神经网络的网络权值优化。2000年以来，诸多新型群体智能优化算法陆续被提出。2010年，Tan和Zhu等学者根据烟花爆炸产生火花这一现象提出烟花算法(Fireworksalgorithm,FWA)，凭借其较强的鲁棒性能和全局寻优能力受到不同领域学者的广泛关注。目前已成功用于解决神经网络权值的训练、连续和离散系统的参数优化及组合优化问题的求解等方面问题。为进一步提高算法的优化性能，众多学者从不同角度提出许多改进算法并进行了机制分析和对比研究，均取得良好成效。烟花算法属于有导向的随机性启发式算法，具有很强的优化问题求解能力。但在处理复杂优化问题时，每次求解结果可能不同或找不到全局最优解；存在易陷入局部最优、进化后期收敛速度慢，鲁棒性较差等缺陷。

目前基本烟花算法的实现思路是将烟花视为最优化问题解空间中的一个可行解，烟花爆炸产生一定数量火花的过程即为邻域搜索最优解的过程；算法具体描述如下：

1)随机产生N个烟花，即随机在求解空间初始化N个位置x_i，表征问题的N个初始解。

2)计算每个烟花的适应度值，评估烟花质量好坏并在不同爆炸半径下产生不同数量的火花；烟花x_i的爆炸半径R_i和爆炸火花数S_i的计算公式分别为式(3)和式(4)，式中，ymin＝min(f(x_i))(i＝1,2,…,N)为当前烟花种群中适应度最小值(最优值)；ymax＝max(f(x_i))(i＝1,2,…,N)为当前烟花种群中适应度最大值(最差值)。常数R和M分别用来调节爆炸半径和产生爆炸火花数的大小，ε为用来避免除零运算的微小量。此外，为限制适应度值较好和适应度值较差的烟花位置产生火花粒子的数量，对火花产生个数作如下限制，即：

其中a、b为两个常数，round为四舍五入取整函数。

3)产生爆炸火花，随机选择z个维度组成集合DS，z＝round(D×rand(0,1))，式中D表示烟花x_i维数；round为四舍五入取整函数，rand为在区间内产生服从均匀分布随机数的函数。参照式(8)对DS的各维度k进行爆炸操作，越界处理后将ex_ik保存于爆炸火花种群。