[发明专利]农村生活污水A2

权利要求书

1.一种农村生活污水A²O处理终端出水COD浓度软测量方法，其特征在于，步骤如下：

S1：建立包含不同农村生活污水A²O处理终端的水质指标数据的模型数据库，每个处理终端的水质指标由输入指标和输出指标构成，输出指标为出水COD浓度，输入指标为出水pH、进水电导、出水电导、出水浊度、进水氨氮浓度和出水氨氮浓度；

S2：对所述模型数据库中的输入指标及输出指标进行归一化，归一化公式为：

其中，EF_pH_i表示第i个终端出水pH归一化数值，EF_pH_ir表示第i个终端出水pH测量值，EF_pH_min与EF_pH_max分别表示出水pH的最小与最大值；IN_Conductivity_i表示第i个终端进水电导归一化数值，IN_Conductivity_ir表示第i个终端进水电导测量值，IN_Conductivity_min与IN_Conductivity_max分别表示进水电导的最小与最大值；EF_Conductivity_i表示第i个终端出水电导归一化数值，EF_Conductivity_ir表示第i个终端出水电导测量值，EF_Conductivity_min与EF_Conductivity_max分别表示出水电导的最小与最大值；EF_Turbidity_i表示第i个终端出水浊度归一化数值，EF_Turbidity_ir表示第i个终端出水浊度测量值，EF_Turbidity_min与EF_Turbidity_max分别表示出水浊度的最小与最大值；IN_NH₃_N_i表示第i个终端进水氨氮浓度归一化数值，IN_NH₃_N_ir表示第i个终端进水氨氮浓度测量值，IN_NH₃-N_min与IN_NH₃_N_max分别表示进水氨氮浓度的最小与最大值；EF_NH₃_N_i表示第i个终端出水氨氮浓度归一化数值，EF_NH₃_N_ir表示第i个终端出水氨氮浓度测量值，EF_NH₃_N_min与EF_NH₃_N_max分别表示出水氨氮浓度的最小与最大值；EF_COD_i表示第i个终端出水COD归一化数值，EF_COD_ir表示第i个终端出水COD测量值，EF_COD_min与EF_COD_max分别表示出水COD的最小与最大值；

S3：建立BP神经网络模型，BP神经网络模型共包含输入层，隐藏层以及输出层三层结构；将模型数据库中的样本分为训练数据和测试数据；在输入层中输入训练数据，将出水pH、进水电导、出水电导、出水浊度、进水氨氮浓度和出水氨氮浓度6个输入指标作为输入层神经元；

S4：对不同的输入层神经元赋予不同权重w，并输入到非线性传递函数F(x)中，得到与之对应的隐藏层神经元数值B_i,j：

式中：B_i,j为第j个隐藏层神经元的数值，w_{EF_pH,j}、w_{IN_Conductivity,j}、w_{EF_Conductivity,j}、w_{EF_Turbidity,j}、分别为6个输入指标对应的输入层神经元传递至第j个隐藏层神经元时所被赋予的权重，P_j为第j个隐藏层神经元连接阈值；

S5：对上述隐藏层神经元赋予不同权重v，输入到线性传递函数F'(x)中，得到与之对应的输出层神经元数值：

式中：EF_COD_inor表示第i个终端的出水COD浓度归一化的预测值，v_j表示第j个隐藏层神经元传递至输出层神经元时所被赋予的权重，n为隐藏层神经元数量，Q为输出层神经元的连接阈值；

S6：将上述出水COD浓度归一化的预测值与其归一化的真值相比对，得到二者之间的误差。设第i个终端输出层残差为d_i：

d_i＝EF_COD_inor(1-EF_COD_inor)(EF_COD_i-EF_COD_inor)

将输出层残差反向传输，并根据该残差调整输入层与输出层神经元的参数：

e_j＝B_i,j(1-B_i,j)·(v_j·d_i)

学习率参数α∈(0,1)

学习率参数β∈(0,1)

式中：z为训练数据中处理终端的样本数；

S7：对训练数据中所有终端的误差进行计算：

S8：判断误差值E是否小于设定值，若未小于设定值则基于调整后的参数继续重复步骤S3～S7，直至误差值E小于设定值，完成BP神经网络模型的训练；

逆归一化并输出出水COD浓度EF_COD_out的仿真值

EF_COD_out＝0.5(EF_COD_inor+1)(EF_COD_inormax-EF_COD_inormin)+EF_COD_inormin

EF_COD_inormin和EF_COD_inormax分别表示出水COD浓度归一化的预测值的最小和最大值；

S9：利用所述的测试数据对训练完毕的BP神经网络模型进行测试，测试精度满足要求后，利用该BP神经网络模型对其他农村生活污水A²O处理终端的出水COD浓度进行预测。