基于自适应回归核函数污水处理

　　申请日2015.12.12

　　公开(公告)日2016.05.04

　　IPC分类号G05B13/04

　　摘要

　　一种基于自适应回归核函数的污水处理过程能耗预测方法既属于控制领域，又属于水处理领域。污水处理过程条件复杂，随机干扰严重，难以通过机理分析获得过程变量与能耗EC之间的关系，导致污水处理过程能耗EC难以实时获取;针对污水处理过程变量与能耗EC之间的关系难以获取，能耗EC模型难以建立等问题，本发明设计了一种基于自适应回归核函数的污水处理过程能耗EC预测方法，实现了运行过程能耗EC的实时检测，取得了较好的精度;结果表明该自适应回归核函数方法能够获取污水处理过程变量与能耗EC之间的关系，并且快速、准确地获得能耗EC的实时检测，保证了污水处理过程的稳定安全运行。

　　摘要附图

　　权利要求书

　　1.一种基于自适应回归核函数的污水处理过程能耗预测方法，其特征在于，包括以下步骤：

　　(1)确定能耗EC模型的输入与输出变量：选取与能耗EC相关的内部变量为能耗EC模型的输入：硝态氮浓度SNO，溶解氧浓度SO，氨氮浓度SNH，混合悬浮物固体浓度MLSS;能耗EC模型的输出为能耗EC值;

　　(2)设计用于污水处理过程能耗EC的自适应回归核函数模型，将输入与输出变量之间的关系通过自适应回归核函数表达，该自适应回归模型的计算功能是：

　　y(t)=W(t)·K(t)(1)

　　其中，y(t)表示t时刻自适应回归模型的输出;W(t)=[w1(t),w2(t),…,wN(t)]表示t时刻核函数连接权值向量，wn(t)表示t时刻第n个核函数连接权值，n=1，2，…，N;N代表核函数个数，K(t)=[K1(t),K2(t),...,KN(t)]T表示核函数向量，T表示转置，Kn(t)表示t时刻第n个核函数的值，其计算功能是：

　　 $K_{n} (t) = e^{- | | x (t) - c_{n} (t) | |^{2} / 2 b_{n} {(t)}^{2}} - - - (2)$

　　其中，x(t)=[x1(t)，x2(t)，x3(t)，x4(t)]代表t时刻自适应回归核函数模型的输入，x1(t)表示t时刻硝态氮浓度SNO，x2(t)表示t时刻溶解氧浓度SO，x3(t)表示t时刻氨氮浓度SNH，x4(t)表示t时刻混合悬浮物固体浓度MLSS;C(t)=[c1(t),c2(t),...,cN(t)]T表示t时刻核函数中心矩阵，cn(t)=[cn1(t)，cn2(t)，cn3(t)，cn4(t)]表示t时刻第n个核函数的中心，n=1，2，…，N;b(t)=[b1(t),b2(t),...,bN(t)]T表示t时刻核函数的宽度向量，bn(t)表示t时刻第n个核函数的宽度值;

　　(3)训练自适应回归核函数模型，具体为：

　　①给定自适应回归核函数模型的核函数个数为N，自适应回归核函数模型的输入为x(1)，x(2)，…，x(t)，…，x(T)，对应的期望输出为yd(1)，yd(2)，…，yd(t)，…，yd(T)，T表示自适应回归核函数模型输入的训练样本数，期望误差值设为Ed，Ed∈(0,0.01)，初始中心值cn(1)中每个变量的赋值区间为[-2,2]，初始中心宽度bn(1)的赋值区间为[0,1]，n=1，2，…，N;初始连接权值向量W(1)中每个变量的赋值区间为[-1,1];

　　②设置学习步数s=1;

　　③t=s，计算自适应回归核函数模型的误差平方和E(t)：

　　 $E (t) = \frac{1}{2} e^{2} (t) - - - (3)$

　　其中，E(t)表示t时刻自适应回归核函数模型的误差平方和，e(t)表示t时刻自适应回归核函数模型输出与期望输出之间的误差：

　　e(t)=y(t)-yd(t)(4)

　　其中，y(t)为t时刻自适应回归核函数模型的输出;yd(t)为t时刻自适应回归核函数模型的期望输出;

　　④调整自适应回归核函数模型的参数;

　　wn(t+1)=wn(t)+Δwn(t)(5)

　　cn(t+1)=cn(t)+Δcn(t)(6)

　　bn(t+1)=bn(t)+Δbn(t)(7)

　　其中，Δwn(t)表示t时刻第n个核函数连接权值向量的调整量，Δcn(t)表示t时刻第n个核函数中心矩阵的调整量，Δbn(t)表示t时刻第n个核函数宽度向量的调整量，n=1，2，…，N;其计算为：

　　其中，η1∈(0,0.1)表示核函数连接权值的学习率，η2∈(0,0.1)表示核函数中心的学习率，η3∈(0,0.1)表示核函数宽度的学习率，表示t时刻第n个核函数连接权值的偏量，表示t时刻第n个核函数中心的偏量，表示t时刻第n个核函数宽度的偏量;其计算为

　　其中n=1，2，…，N;

　　⑤学习步数s增加1，如果步数s

　　⑥根据公式(3)计算自适应回归核函数模型的性能，如果E(t)≥Ed，则转向步骤②进行继续训练，如果E(t)

　　(4)将测试样本数据作为训练后的自适应回归核函数模型的输入，自适应回归核函数模型的输出即为污水处理过程能耗EC的预测值。

　　说明书

　　一种基于自适应回归核函数的污水处理过程能耗预测方法

　　技术领域

　　本发明基于污水处理过程生化反应特性，利用一种自适应回归核函数方法设计了污水处理过程能耗EC预测方法，实现了污水处理过程能耗EC的实时测量;污水处理过程能耗EC是表征污水处理能量消耗程度的重要参量，污水处理过程能耗EC与过程变量的关系是实现污水处理过程优化控制的基础环节，对污水处理的节能降耗和稳定安全运行有着重要影响，是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。

　　背景技术

　　城市污水处理过程，不但要保证污水处理系统的可靠性和稳定性，使得出水水质符合国家排放标准，同时还要尽量降低运行成本。然而，污水处理过程中由于能耗EC影响因素繁多，且各影响因素之间关系复杂，难以建立精确的、可实时调整的污水处理过程能耗EC模型。基于自适应回归核函数的污水处理过程能耗EC预测方法有利于提高城市污水处理效率、加强城市污水处理厂精细化管理、降低污水处理厂运行成本，缓解我国当前水污染处理不达标和污水处理能耗较高的现状，不但具有较好的经济效益，而且具有显著的环境和社会效益。因此，本发明的研究成果具有广阔的应用前景。

　　城市污水再生利用是实现水资源良性循环的重要举措，世界各国都大力实施污水处理以应对水资源危机。目前我国城市污水处理厂的吨水耗电量约为0.25千瓦时(对应GB18918二级排放标准)，约为发达国家吨水耗电量的2倍，运行管理人员数量又是其若干倍，造成了污水处理运行成本过高。致使很多污水处理厂“建得起，养不起”，寻求污水处理过程能耗EC与过程变量的关系，降低污水处理能耗EC是当前城市污水处理运行急需解决的问题。因此，建立污水处理过程能耗EC与过程变量的关系，实现污水处理过程能耗EC的实时测量，是保证污水处理厂节能降耗的必要环节;目前污水处理过程能耗EC模型表达式参数固定，不适用于时变的非线性污水处理过程。而且由于污水处理过程中负荷波动大，污水处理过程经常工作在非平稳状态，现有的污水处理过程能耗EC机理模型误差较大，精度较低，很难满足实际污水处理厂实时优化控制的需求，必须寻求新的污水处理过程能耗EC预测方法;因此，研究基于自适应回归核函数的污水处理过程能耗EC预测方法，获得污水处理过程能耗EC与过程变量的关系，为污水处理过程能耗EC的实时测量提供一种可行方法。

　　本发明设计了一种基于自适应回归核函数的污水处理过程能耗EC预测方法，该方法通过自适应回归核函数方法建立污水处理过程能耗EC模型，同时结合梯度下降优化算法自适应调整模型参数，提高模型精度，获得了污水处理过程能耗EC的预测值。

　　发明内容

　　本发明获得了一种基于自适应回归核函数的污水处理过程能耗预测方法，根据动力学特性获得模型的相关变量，利用自适应回归核函数建立污水处理过程能耗EC与过程变量之间的关系，同时结合梯度下降优化算法提高模型精度，获得污水处理过程能耗EC预测值;

　　本发明采用了如下的技术方案及实现步骤：

　　1.一种基于自适应回归核函数的污水处理过程能耗预测方法，其特征在于通过污水处理过程动力学分析获取输入输出变量，利用自适应回归核函数建立污水处理能耗EC模型，实现污水处理能耗EC的预测，包括以下步骤：

　　(1)确定能耗EC模型的输入与输出变量：污水处理过程中能耗EC主要由曝气能耗AE和泵送能耗PE组成，能耗EC主要受氧传递系数KLa，内回流Qa和外回流Qr的影响，氧传递系数KLa主要作用是控制溶解氧浓度SO，内回流Qa主要作用是控制硝态氮浓度SNO和氨氮浓度SNH，外回流Qr主要作用是控制混合悬浮物固体浓度MLSS;根据动力学特性分析，选取与能耗EC相关的内部变量为能耗EC模型的输入：硝态氮浓度SNO，溶解氧浓度SO，氨氮浓度SNH，混合悬浮物固体浓度MLSS;能耗EC模型的输出为能耗EC值;

　　(2)设计用于污水处理能耗EC的自适应回归核函数模型，将输入与输出变量之间的关系通过自适应回归核函数表达，该自适应回归模型的计算功能是：