[发明专利]一种基于机理-数据驱动的城市污水处理脱氮过程的混合建模方法

说明书

本发明提供了一种基于机理‑数据驱动的城市污水处理脱氮过程的混合建模方法，其特征在于，包括以下具体步骤：S1、首先基于活性污泥一号模型(ASM1)，主要考虑脱氮过程对ASM1模型进行合理简化，建立简化机理模型；S2、基于matlab平台上，采用T-S模糊神经网络对简化机理模型与原模型的出水指标误差建立数据模型，补偿简化机理模型的建模误差；S3、基于已建立的简化机理模型和数据模型，采用并联结构进行融合，建立城市污水处理脱氮过程机理-数据混合模型，最后对该混合模型的出水指标进行了验证，同时与简化机理模型进行建模评价指标对比，验证了混合模型的有效性。本发明提供了一种机理与数据相融合的混合建模方法，建立了城市污水处理脱氮过程机理-数据混合模型，通过机理模型来计算污水处理脱氮过程的生化反应，采用数据模型对机理模型的建模误差进行补偿；结果表明：与单一的简化机理模型相比，混合模型的精度得到了极大的提升，混合模型不仅物理可解释性强，而且更好地利用了数据的因果关系。

技术领域

本发明涉及城市污水处理建模领域，特别是涉及一种基于机理-数据驱动的城市污水处理脱氮过程的混合建模方法。

背景技术

目前，环境水体污染、水资源短缺已成为全球面临的严峻问题，通过城市污水处理系统可以实现污水的净化，实现水资源的有效利用，是未来可持续发展的主题。在我国污水中，主要污染物为化学需氧量和氨氮排放量，其中化学需氧量中含有大量有机氮，使得有机氮和氨氮占据城市污水的较大比例。因此，控制城市污水中的氨氮、有机氮和总氮浓度成为污水处理的重要指标，同时，污水处理过程的控制离不开污水处理建模理论与方法，因此，建立准确的污水处理脱氮模型是实现城市污水处理脱氮过程精确控制的前提。

现有技术中，城市污水处理脱氮过程建模方法主要有机理建模和数据建模两种，但是机理建模和数据建模均存在着各自的局限性。机理建模主要依赖于国际水质协会(IWA)开发的ASM系列模型，能够很好的描述污水处理过程中的主要动态行为和特性，但是机理模型的参数较多且存在着不确定性以及难以测量等问题，这就使得难以对完整的机理模型设计控制器和优化。因此，需要对机理模型进行合理假设，获得简化机理模型，由于模型简化的过程中主要保留了与脱氮过程相关的组分，导致简化模型输出结果与原机理模型可能存在着比较大的误差；与机理建模不同，数据建模不需要对污水处理过程进行准确的机理描述，而是从污水数据本身出发，建立输入量与输出量之间的数据关系，属于一种黑箱建模方法。但是，数据建模存在着可解释性差，物理意义不明确等缺点，同时，由于数据建模不依赖于准确的系统机理描述，而是从污水数据中获得，所以当该污水数据对应的环境条件发生了改变时，该数据模型就不再适用，而是需要重新采集数据构建模型。

由此可见，如何建立物理意义明确、可解释性强、输出精度高的污水处理脱氮过程模型，实现城市污水处理脱氮过程精确控制，是本领域技术人员亟待解决的问题。

发明内容

本发明的目的在于提供一种机理建模与数据建模相融合的混合建模方法建立城市污水处理脱氮过程模型，从而解决单纯应用ASM系列简化机理模型或数据模型在污水处理脱氮过程建模中出现适用性差、难以应用等缺点。

为实现上述目的，本发明提供以下技术方案：

一种基于机理-数据驱动的城市污水处理脱氮过程的混合建模方法，其特征在于，包括以下具体步骤：

S1、首先基于活性污泥一号模型(ASM1)，主要考虑脱氮过程对ASM1模型进行合理简化，建立简化机理模型；

S2、基于matlab平台上，采用T-S模糊神经网络对简化机理模型与原模型的出水指标误差建立数据模型，补偿简化机理模型的建模误差；

S3、基于已建立的简化机理模型和数据模型，采用并联结构进行融合，得到城市污水处理脱氮过程机理-数据混合模型，最后对该混合模型的出水指标进行了验证，同时与简化机理模型进行建模评价指标对比，验证了混合模型的有效性；

所述步骤S1具体包括以下内容：