[发明专利]一种基于神经网络算法的氨氮指标软测量方法

说明书

本发明公开了一种基于神经网络算法的氨氮指标软测量方法，涉及水质监测领域，其特征在于所述输入层为与氨氮指标NH₃‑N的摩尔浓度有相关关系的辅助变量，所述隐藏层为神经网络算法，其中激活函数根据所述相关关系定义，所述输出层为氨氮浓度预测值。本发明选择与氨氮在理论上具有相关关系的辅助变量，因此模型具有更高的精度和运算速度；除DO和ORP外，COD和硝氮可以采用光谱法连续监测，所以更易于实现在线连续监测；所有变量都面向出水，从而易于实现仪表的集成布置。

技术领域

本发明涉及水质监测领域，尤其涉及一种基于神经网络算法的氨氮指标软测量方法。

背景技术

水质安全问题在水环境问题日益严重的当下备受关注，因此带来的环境水质在线监测检测仪器的市场潜力巨大。随着收入的增加，居民对和身体健康密切相关的环境问题的关注度不断提高，同时，工业化和城镇化的发展导致水污染的范围不断扩散、程度不断加深。水环境恶化和人民需求标准上升之间的矛盾，为水处理及相关行业提供了广阔的发展空间。

水质监测是水环境质量评估、水资源管理与保护的重要基础，对水质进行在线自动监测已经成为相关部门及时获得连续性的监测数据的有效手段。随着我国地表水水质自动检测站建设的快速推进，地表水环境进入网格化管理阶段，由此凸显了面大量广的农业农村污水排放对于地表水环境质量污染的严峻形势。

在水质监测中，氨氮指标的高低能够在很大程度上反映出水质的优劣等级，因此要实现实时监测。而对于氨氮指标的检测，从检测原理上氨氮在线检测仪主要有分光光度法和氨气敏电极法两大类。市场上尤以纳氏比色分光度法居多，比如国外的Smart现场氨氮测试仪，国内有AmtaxTM Compact氨氮在线分析仪、NH3N-2000系列氨氮在线分析仪、湖南力合LFNH-DW2001型、广州怡文EST-2004。对于电极法国外有法国SERES2000型、德国WTWTresCon型、美国哈希Amtax-sc型、美国YS工6820型、英国PPM公司的ProAm氨氮分析仪；国内有上海谷雨的NH4Dsc氨氮分析仪、北京捷安捷JAWA-1005型、国电南HNS2003-N型和先河科技发展有限公司XHAN-90B型。

以上国内外测定氨氮的方法均是以化学法为基础，通过改变加药量、反应时间等来优化氨氮指标的测定，但是仍无法避免其存在二次污染、反应时间长、设备昂贵、维护成本高的缺点。

为解决以上问题，实现氨氮指标的原位实时监测，目前的主要研究方向是采用神经网络模型对出水氨氮进行软测量，辅助变量采用诸如进水TP、好氧段前端DO、好氧段末端TSS、pH、温度等作。此种方式采用的辅助变量与氨氮关系不明，需要更长的运算时间；而且需在进水和出水处同时采样，设备设计和安装较复杂。

因此，本领域的技术人员致力于开发一种基于神经网络算法的氨氮指标软测量方法，选择与氨氮在理论上具有相关关系的辅助变量，因此模型具有更高的精度和运算速度；除DO和ORP外，COD和硝氮可以采用光谱法连续监测，所以更易于实现在线连续监测；所有变量都面向出水，从而易于实现仪表的集成布置。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是实现氨氮的实时监测和快速运算和设备的易于设计及安装。

为实现上述目的，本发明提供了一种基于神经网络算法的氨氮指标软测量方法，包含输入层、隐藏层和输出层组成的神经网络算法模型，其特征在于所述输入层为与氨氮指标NH₃-N的摩尔浓度有相关关系的辅助变量，所述隐藏层为神经网络算法，所述输出层为氨氮浓度预测值，所述基于神经网络算法的氨氮指标软测量方法包括以下步骤：

步骤一，构建所述所述氨氮指标NH₃-N的摩尔浓度和所述辅助变量的测量方法，获得测试样本数据；

步骤二，构建所述神经网络算法模型，步骤如下：