[发明专利]一种基于活性污泥水处理的溶解氧浓度优化方法

权利要求书

1.一种基于活性污泥水处理的溶解氧浓度优化方法，其特征在于，该方法包括以下步骤：

步骤1，根据污水厂实际处理过程并依据物料平衡原理建立活性污泥水处理系统模型；

公式(1)中，各参数的物理意义为：X(t)为活性污泥浓度，S(t)为出水底物浓度，X_r(t)为回流污泥浓度，DO(t)为好氧生化反应池中的溶解氧浓度，D(t)为进水变化率，DO_s为最大溶解氧浓度，S_in为进水底物浓度，DO_in为进水溶解氧浓度，Y为产率系数，μ(t)为微生物增值率，K_La为氧转移系数，K₀为模型常数，γ，β为进水和出水常数；

步骤2，对粒子群算法进行改进寻优：采用指数函数和分段函数相结合的方式对惯性权重进行更新，使粒子的速度和方向也随之进行更新，其公式为：

公式(2)中，ω为惯性权重因子，ω_max代表最大权重，ω_min代表最小权重，G代表当前迭代次数，G_max代表最大迭代次数；

并采用三次函数y＝αx³+b对学习因子进行更新：

公式(3)中，c_1s和c_2s分别是c₁和c₂的初始值；c_1f和c_2f分别是c₁和c₂的最终值；学习因子c₁和c₂的取值范围为[0.5,2.5]；

步骤3，建立基于XGBoost的集成出水水质预测模型并对其进行仿真计算，获取水质模型的实时出水参数值；该模型输入向量为：进水COD、进水NH₄、进水pH、氧化沟DO、进水累计流量、污泥房液位、中间池液位，模型输出向量为：出水COD、NH₄、TP的浓度；

其中，XGBoost模型数学公式为F表示所有基学习器的集合，f_k表示具体的基学习器，y_i表示预测结果，x_i表示输入基学习的特征；

步骤4，将步骤3获取的出水参数值与国家标准值之间的差值作为出水水质的反馈信息，利用APSO-BP方法对进水水质中溶解氧浓度进行动态优化，获取最优溶解氧浓度设定值。

2.如权利要求1所述的基于活性污泥水处理的溶解氧浓度优化方法，其特征在于，所述的步骤2中，该粒子群算法中，粒子代表待优化问题的解，粒子通过不断迭代寻找最优解，并通过下面的公式更新其自身的速度和位移：

公式(4)中，V_i代表粒子的速度向量；X_i代表粒子的位置向量；c₁表示自身认知系数；c₂表示社会认知系数；p_i表示个体最优位置；p_g表示种群最优位置；r₁和r₂是[0,1]内的随机数；ω为惯性权重因子。