城市污水处理过程的工艺主要是使污水通过网格,接触氧化池,生物滤池和高密度沉淀池的过程。为了使得污水处理过程最后的出水水质达到一定标准,需要根据过程变量状态数据、出水水质数据和工况环境数据对污水处理运行过程进行迅速准确的处理。因此,城市污水处理过程实时采集的数据的准确性,不但是城市污水处理运行过程的重要环节,而且也为其处理运行过程精确建模与闭环控制提供重要保障。然而,城市污水处理厂采集的数据具有以下缺点而难以获得干净有质量的数据:一是数据量庞大且耦合性强;二是干扰性大,不确定性强;三是多时性和具有不完整的特性;四是重复性多。因此,在城市污水处理过程中,数据清洗的工作迫在眉睫。为了保证城市污水处理过程采集的数据的准确性,文中设计了一种基于模糊神经网络的城市污水处理过程数据清洗方法。首先,设计基于互信息-密度的识别方法,以识别和消除与水质无关因素的异常点;其次,建立一种基于模糊神经网络(Fuzzy Neural Network,FNN)的多输入单输出的缺失点预测模型,实现对缺失点的预测;提出了一种基于聚类-余弦相似度的甄别方法,实现了水质数据的相似重复检测并去相似重复;最后,设计并开发了基于模糊神经网络的城市污水处理运行数据清洗系统,并将其应用于城市污水处理厂,实现了城市污水处理过程数据的在线清洗。论文的主要工作如下:1.污水处理过程异常数据的识别;针对污水处理过程中存在不同原因导致的异常点问题,文中设计了一种基于互信息-密度聚类的辨识方法。首先,搭建了污水处理过程的数据采集平台,实现水质变量数据的获取;其次,通过计算不同水质变量数据之间的互信息系数,得到了关联程度最大的两个水质变量;最后,根据两个关联水质变量数据的聚类结果,确定了非水质因素导致的异常点并剔除。实验结果显示,基于互信息-密度聚类的辨识方法,能够有效的辨别出异常点及其类型。2.缺失点预测模型设计;针对剔除掉的异常点无法准确填补的问题,文中设计了一种基于FNN的缺失点预测模型。首先,通过主成分分析法,获得影响缺失点的主要特征变量;其次,根据FNN的多输入单输出的缺失点预测模型,建立了缺失点与主要特征变量的非线性关系;最后,根据自适应二阶参数学习算法,实现了缺失点预测模型参数的调整。实验结果显示,文中提出的模糊神经网络的缺失点预测模型,能够准确的填补缺失点。3.水质数据去相似重复设计;针对检测填补好的水质数据相似重复计算复杂度高的问题,文中设计了一种基于聚类-余弦相似度的检测方法。首先,通过单变量水质数据的聚类结果,将水质变量数据分成不同的密度块;其次,根据密度块大的数据余弦相似度的计算结果,辨识出水质变量数据的相似重复程度;最后,通过比较不同的数据相似重复程度,将相似重复度大的数据剔除。实验结果表明,提出的基于聚类-余弦相似度的检测方法能够很好的检测出相似重复数据并降低了计算复杂度。4.数据清洗系统的开发;为了实现上述提出的城市污水处理过程数据清洗方法的应用,文中开发出了基于模糊神经网络的城市污水处理过程数据清洗系统。首先,搭建了污水厂的数据清洗系统的硬件平台,从而能够解决水质变量数据实时获取的问题;其次,开发出数据清洗系统的登陆、异常点识别、缺失点预测、去相似重复等功能;最后,将设计的基于模糊神经网络的城市污水处理过程数据清洗系统应用于污水处理厂,从而对所开发的清洗系统进行测试。实验结果表明,基于模糊神经网络的城市污水处理过程数据清洗系统能够有效的对数据进行清洗,有利于水厂的安全稳定运行。