[发明专利]农村生活污水A2

摘要

本发明公开了一种农村生活污水A2O处理终端出水COD浓度软测量方法及装置。该方法以出水ph，进水电导，出水电导，出水浊度，进水氨氮浓度与出水氨氮浓度作为出水COD浓度预测的输入指标，利用BP神经网络构建上述输入指标与出水COD浓度之间的关联模型。通过对上述BP神经网络模型进行仿真、验证，其结果表明，本发明所建立的神经网络模型能够迅速且较为准确的预测出同一区域内不同终端的出水COD浓度，模型对A2O设施出水COD浓度具有可靠的预测价值。

主权项

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_inorminEF_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。