论文部分内容阅读
随着经济的发展和社会的进步,人类的需求不断增加,水资源的污染问题越来越严重。序批式活性污泥法(SBR)是一种污水的生物处理方法,广泛运用于世界各国污水处理厂。SBR法的特点之一是它严重依赖现代自动化技术。化学需氧量(COD)是表示水中有机物总量的一个综合性指标,是关于天然水体环境质量分级的重要指标之一,也是导致水体发黑发臭的主要因素。COD是SBR反应过程的重要控制参数。传统的COD测量是采用化学方法,虽然准确,但时效性很差,成本高,测试过程还会造成二次污染。随着污水处理工艺技术发展的日趋成熟,污水处理研究的重点已经转移到提高污水处理工艺过程的自动控制水平,改善出水水质,加强运行监控等方面。因此,研究SBR工艺中COD的快速准确测量具有重要理论意义和现实价值。本文首先通过介绍软测量技术确定了实时准确测量COD参数的研究方向,并介绍了软测量模型的建立方法。结合软测量的建模方法,详细分析了SBR工艺中与COD参数有关的水质参数,找到了软测量建模的辅助变量,并建立了基于水质参数变化率的SBR污水COD软测量模型和基于水质参数时间窗的SBR污水COD软测量模型。之后,详细介绍了如何通过BP神经网络实现软测量的功能,并针对神经网络的泛化能力和局部最小问题提出了优化方案。其次,针对COD软测量建模中有限种类辅助变量造成的矛盾数据问题和神经网络学习的局部最小问题,提出了一种支持向量机和神经网络联合软测量SBR污水处理中COD的方法。该方法通过引入支持向量机对COD值进行预估计,再根据COD的变化规律使用BP神经网络和Elman神经网络分别估计污水COD值,再进行数据融合得到COD的估计值。实验表明,该方法的软测量结果优于单一神经网络的软测量结果。最后,在提出单一BP神经网络建模和采用支持向量机与神经网络联合软测量的模型基础上,介绍了多神经网络集成的概念。多神经网络集成中,详细介绍了AdaBoost算法,提出了一种AdaBoost的多神经网络COD软测量模型。该模型在预测准确性和稳定性上均有了进一步提高。