[发明专利]基于模糊神经网络的出水总磷预测方法、电子设备及介质

说明书

本申请公开了一种基于模糊神经网络的出水总磷预测方法、电子设备及介质。该方法可以包括：确定出水总磷的特征变量作为输入变量；构建基于模糊神经网络的初始预测模型；获取训练样本并输入至初始预测模型，通过多目标粒子群优化算法确定最终预测模型；将输入变量输入至最终预测模型，计算出水总磷。本发明建立基于模糊神经网络的预测模型对出水总磷进行预测，采用非对称隶属函数对变量数据的分布特性进行描述，利用多目标粒子群优化算法同时对模糊神经网络结构和参数进行动态调整，实现污水处理出水总磷浓度的实时预测。

技术领域

本发明涉及水处理领域，更具体地，涉及一种基于模糊神经网络的出水总磷预测方法、电子设备及介质。

背景技术

在过去100年中，全球的用水量增长了6倍，并且由于人口、经济等因素，用水量仍以每年约1％的速度增长，这加剧了当前的缺水形势，使水资源使用面临着更严峻的压力。随着对水资源的需求量不断增加，污水产生量越来越大，对污水进行处理再利用成为近年来的重点；同时，做好污水处理工作是改善环境质量、推动绿色发展的重要步骤。因此，对城市污水处理过程进行研究有重要的意义，为进行污水处理提供科学支撑。

污水中包含各种有机物和无机物污染物，其中氮、磷等营养物超标使水体污染仍然十分严重。生活中常用的洗衣粉、洗衣液，工业中各种合成车间进行的阳极氧化表面处理等都含有各种磷酸盐。据统计仅生活污水中，每人每天将产生0.7g～1.4g的含磷污染物，因此，总磷含量是一个重要的衡量指标，精准预测污水处理中出水总磷浓度是当前污水处理厂面临的关键问题。

当前，污水处理厂主要通过采集水样，在实验室使用化学实验手段检测总磷浓度，实现较精确的检测精度。但由于污水处理是一个长流程工艺过程，同时总磷检测时间长，无法满足实时性检测的要求。当发现总磷超标时再进行除磷操作是存在问题的。

因此，有必要开发一种基于模糊神经网络的出水总磷预测方法、电子设备及介质。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于模糊神经网络的出水总磷预测方法、电子设备及介质，建立基于模糊神经网络的预测模型对出水总磷进行预测，采用非对称隶属函数对变量数据的分布特性进行描述，利用多目标粒子群优化算法同时对模糊神经网络结构和参数进行动态调整，实现污水处理出水总磷浓度的实时预测。

第一方面，本公开实施例提供了一种基于模糊神经网络的出水总磷预测方法，包括：

确定出水总磷的特征变量作为输入变量；

构建基于模糊神经网络的初始预测模型；

获取训练样本并输入至所述初始预测模型，通过多目标粒子群优化算法确定最终预测模型；

将所述输入变量输入至所述最终预测模型，计算出水总磷。

优选地，所述初始预测模型包括输入层、径向基层、规则层和输出层。

优选地，所述输入层为：

u_q(n)＝x_q(n) (1)

其中，x_q(n)为输入层第q个神经元的输入值，u_q(n)为输入层第q个神经元的输出值。

优选地，所述径向基层由M个神经元组成，表示为：