[发明专利]一种用于废水处理的在线加药控制方法及系统

权利要求书

1.一种用于废水处理的在线加药控制方法，其特征在于，所述在线加药控制方法包括：

获取当前时刻来水监测指标数据；

将所述当前时刻来水监测指标数据输入到在线加药控制模型中，得到当前时刻最优加药量；其中，所述在线加药控制模型的输入为所述当前时刻来水监测指标数据；所述在线加药控制模型的输出为所述当前时刻最优加药量；所述在线加药控制模型是依据主成分分析算法、遗传算法以及神经网络模型算法建立而成；所述在线加药控制模型的建立方法具体包括：

获取训练样本；所述训练样本包括多个样本对；每个样本对均包括多个输入、一个输出；所述输入为符合出水水质的来水监测指标数据；所述输出为所述来水监测指标数据对应的最优加药量；

采用主成分分析算法，对所述训练样本中的样本对进行处理，得到主成分矢量矩阵及主成分分量的个数；

根据所述主成分矢量矩阵及所述主成分分量的个数，建立BP神经网络模型；所述BP神经网络模型为多输入单输出的三层模型；所述BP神经网络模型的输入为所述主成分矢量矩阵；所述BP神经网络模型的输出为最优加药量；所述BP神经网络模型的输入神经元的个数为所述主成分分量的个数；

采用遗传算法，对所述BP神经网络模型的连接权值和阈值进行优化，得到最优连接权值和最优阈值；

根据所述最优连接权值和所述最优阈值，更新所述BP神经网络模型；更新后的BP神经网络模型为所述在线加药控制模型。

2.根据权利要求1所述的在线加药控制方法，其特征在于，所述样本对为输入时间序列信号和输出时间序列信号组成的时间序列集(X,Y)；

所述输入时间序列信号为所述样本对的输入值；所述输入时间序列信号为X＝[x_ij]_nⅹp，i＝1,2,……n，j＝1,2,……p，n为所述训练样本中所述来水监测指标数据的样本个数，p为所述来水监测指标数据的个数；所述来水监测指标数据包括浊度值、PH值、氨氮含量、COD值；

所述输出时间序列信号为所述样本对的输出值；所述输出时间序列信号为Y＝[y_i]_nⅹ1，i＝1,2,……n，n为所述训练样本中加药量数据的样本个数。

3.根据权利要求1所述的在线加药控制方法，其特征在于，所述采用主成分分析算法，对所述训练样本中的样本对进行处理，得到主成分矢量矩阵及主成分分量的个数，具体包括：

计算所述训练样本中所述来水监测指标数据的相关系数矩阵R；

根据特征方程|λI-R|＝0，计算特征值，所述特征值为λ_j,j＝1,2,...,p，并按从大到小的顺序排序所述特征值，λ₁≥λ₂≥…≥λ_p，其中，I表示单位矩阵；p为所述来水监测指标数据的个数；

计算每个所述特征值λ_j,j＝1,2,...,p对应的特征向量e_j,j＝1,2,...,p；其中，||e_j||＝1；

根据所述特征值，计算累计贡献率，选取所述累计贡献率达85％～95％的特征值，并将所述累计贡献率达85％～95％的特征值的个数确定为所述主成分分量的个数；所述累计贡献率的计算公式：

根据所述特征值以及所述特征向量，计算主成分载荷；所述主成分载荷的计算公式为：

根据所述主成分载荷，确定主成分矢量矩阵；所述主成分矢量矩阵为：

4.根据权利要求3所述的在线加药控制方法，其特征在于，所述相关系数矩阵其中，r_ab为所述训练样本中x_a与x_b的相关系数，为变量x_a的样本均值，为变量x_b的样本均值。