论文部分内容阅读
污水处理厂作为水污染防治体系的核心,扮演着十分重要的角色,减少污水处理厂异常工况特别是严重异常工况的发生,保证其持续稳定的运行,对环境保护和水资源可持续利用都有着重要意义。污泥膨胀是污水处理厂面临的最严重异常工况之一,导致污泥沉淀性能恶化,严重影响出水水质,从而破坏污水处理厂的正常运行。
本文首先介绍了污泥膨胀预测的研究背景及意义,然后对主要污泥膨胀预测方法进行评述,然后基于运行参数定量和定性信息,结合专家知识构建污水处理过程污泥膨胀预测专家系统。
本文对反映污泥膨胀的污泥体积指数建立了软测量方法,采用粗糙集对辅助变量约简,然后用径向基神经网络构造软测量模型,以补全污泥体积指数数据集。然后用灰色马尔科夫模型对其进行了预测,从定量上获取了污泥膨胀重要信息。
在趋势分析技术发展的基础上,对离线趋势提取方法加以改进,使之能够更好的适应在线趋势提取。该方法首先采用外推式在线分割算法实现了对在线数据的合理分割,然后用最小二乘法对片段数据进行拟合,提高了趋势提取效率。通过示例表明,本文提出的在线趋势提取算法可有效提取过程数据的趋势信息,并且计算复杂度较低,能应用于工业在线过程,为专家系统趋势信息需求提供支持。
然后设计了污泥膨胀专家系统的结构:首先介绍了系统污泥膨胀知识的获取过程,并利用模糊技术对知识进行了模糊化,构造故障树,获得了相关规则。同时基于Clips引入不确定性推理技术设计了污泥膨胀专家系统的推理机,设计了推理策略。
最后采用Clips作为专家系统内核,并成功将Clips嵌入到Visual C++中,实现了Visual C++和Clips的混合编程。并用辽宁某污水处理厂工艺运行数据进行了离线分析,结果表明此系统可以预测污泥膨胀发生。