[发明专利]一种基于特征变量极限学习机的排污口磷含量测量方法

说明书

本发明公开一种基于特征变量极限学习机的排污口磷含量测量方法，通过两种不同的特征变量选择方法，选择出两组特征变量用作软测量模型的输入变量，并在此基础上建立两个不同的极限学习机模型，从而实现对排污口磷含量的实时软测量。本发明方法的最大优势在于：不依赖于工程技术人员的经验或生化反应机理知识，直接通过数据驱动的角度实现了特征变量的优选。此外，充分利用两个不同的特征变量优选策略，选择不同的特征变量组，并分别建立相应的极限学习机模型，发挥出了多模型泛化能力强的优势，对于预测结果的精度能有较充分的保障。

技术领域

本发明涉及一种污水处理系统排污口的磷含量实时测量方法，特别涉及一种基于特征变量极限学习机的排污口磷含量测量方法。

背景技术

淡水中磷元素的来源主要是生活废水，工业废水以及化肥农田水等。这类水中含有磷元素过高，融入淡水中，导致水中的磷元素含量超标。在正常的生态系统中，磷元素的含量是固定并且有限的。磷酸盐过多就会导致植物疯狂生长，例如藻类。藻类增多，不但影响了水对光的散射程度，也增加了以藻类为食的生物的增长。生物增长对水中氧气的要求就更多了。水中氧含量降低，厌氧生物不断增加，不断的产生硫化氢等气体，对于水产养殖业的发展就大为不利。含氧量降低，容易导致生物缺氧死亡。硫化氢过多导致水偏酸性。再经过水循环流入其他用水渠道最终影响到食物链顶端的人类的健康。

随着近些年对环境问题的愈发重视，生活废水与工业废水都需要经过污水处理系统处理后才可以排放，且有严格的法律法规对污水处理系统的排污口中磷含量的上限规定。为了使排污口的出水中磷含量符合国家对污水的排放标准，需要对排污口各种形态磷化物中磷含量进行实时测量。然而，目前只有少数厂家能够生产测量污水中磷含量的仪器仪表，且采购成本、使用成本、和维护成本都十分昂贵。因此，研究新型的软测量技术实时测量排污口磷含量，已经成为污水处理系统中的重要研究内容，并且具有非常重要的现实意义。

当前的污水处理系统中，污水一般都需经过曝气池进行氧化处理后，进入沉淀池进行沉淀处理后再通过排污口排放。能够影响排污口磷含量的因素多种多样，包括生化需氧量，悬浮物浓度，污水PH值，污水色度值等等。现阶段，国内投入使用的污水处理系统其自动化程度较低，数据的测量一般都是按照每天一次例行执行的。此外，由于污水处理管理的其他方面的需要，每天测量的变量也非常多。以北京某城市生活污水处理厂为例，每天例行测量的数据就有35个之多。如何选择合适的测量变量建立排污口磷含量的软测量模型是非常关键的。然而，污水处理系统生化反应复杂，无法通过机理准确判断出哪些测量变量理应用于软测量建模。而且，软测量模型都是从数据驱动的角度出发实施的，更合适的策略应该是从数据驱动的角度建立适宜的软测量模型。

发明内容

本发明所要解决的主要技术问题是：如何从数据驱动的角度出发进行特征变量优选，并在此基础上使用极限学习机来实现排污口磷含量的实时测量。具体来讲，本发明方法通过两种不同的特征变量选择方法，选择出两组特征变量用作软测量模型的输入变量，并在此基础上建立两个不同的极限学习机模型，从而实现对排污口磷含量的实时软测量。

本发明方法解决上述问题所采用的技术方案为：一种基于特征变量极限学习机的排污口磷含量测量方法，包括以下所示步骤：

步骤(1)：采集污水处理厂每天的m个测量数据，并将每天的测量数据存储为一个m×1维的数据向量x_i，直至获取n个数据向量x₁，x₂，…，x_n；其中，i∈{1，2，…，n}，x_i为第i天的数据向量，x_i中的m个测量数据具体包括污水进站，曝气池，沉淀池，和排污口这四个环节的测量数据；其中，污水进站的测量数据依次是：入水流量，入水温度，入水色度，入水氯离子浓度，入水悬浮物固体浓度，入水PH值；曝气池的测量数据依次包括：污水色度，污水悬浮物固体浓度，污水PH值，污水氯离子浓度，生化需氧量；沉淀池的测量数据依次是：污水色度，污水悬浮物固体浓度，污水PH值，污水氯离子浓度，污泥量；排污口的测量数据是磷含量。