农村生活污水A制造技术

本发明专利技术公开了一种农村生活污水A

Rural domestic sewage A

【技术实现步骤摘要】
农村生活污水A2O处理终端出水总氮浓度软测量方法及装置
本专利技术属于环境监测方法领域，具体涉及一种农村生活污水A2O处理终端出水总氮浓度软测量方法及装置。
技术介绍
A2O工艺是当前大部分农村生活污水处理终端所采用的工艺类型。现阶段，市面上大型水质在线监测设备的检测原理普遍采用常规化学法，该类型在线监测设备存在价格高昂、需要定期更换化学试剂、清洁保养运维费用较高，对维护人员的操作技能要求较高等缺点。近年来，基于人工神经网络实现的软测量技术在国内外均有所研究，其主要方法为利用人工神经网络建立常规水质传感器即可测量的辅助型指标与需要化学法测量的主导型指标(如总氮浓度)等之间网络模型，从而实现对后者的预测功能。然而现有对于软测量的研究普遍停留于理论层面，且大部分是以单个处理终端作为研究对象，无法实现对同一区域内的其他终端的预测功能。而在我国，农村生活污水具有数量大、分散性高、运行维护成本高、难度大等特点，单独为每套终端配备上述基于化学法的在线监测设备显然不切实际，同时，单独为每个终端建立软测量模型也需要耗费大量的人力物力，不符合我国农村生活污水监测的实际情况。由于目前水中总氮浓度尚未有简便快捷的测量方式，国标法中总氮的测量需要经过消解程序，其在线监测存在困难。有必要开发一种更为简便快捷且适用于在线监测的总氮测量方法。
技术实现思路
本专利技术要解决的技术问题是针对上述的现状而提出的一种基于BP神经网络模型，具有区域性农村生活污水A2O处理终端出水总氮浓度预测功能的软测量方法，本专利技术解决上述技术问题所采用的技术方案如下：一种农村生活污水A2O处理终端出水总氮浓度软测量方法，其步骤如下：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，输出指标为出水总氮浓度，输入指标为进水pH、出水pH、进水电导、出水电导、进水浊度、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：式中：IN_pHi表示第i个终端进水pH归一化数值，IN_pHir表示第i个终端进水pH测量值，IN_pHmin与IN_pHmax分别表示进水pH的最小与最大值；EF_pHi表示第i个终端出水pH归一化数值，EF_pHir表示第i个终端出水pH测量值，EF_pHmin与EF_pHmax分别表示出水pH的最小与最大值；IN_Conductivityi表示第i个终端进水电导归一化数值，IN_Conductivityir表示第i个终端进水电导测量值，IN_Conductivitymin与IN_Conductivitymax分别表示进水电导的最小与最大值；EF_Conductivityi表示第i个终端出水电导归一化数值，EF_Conductivityir表示第i个终端出水电导测量值，EF_Conductivitymin与EF_Conductivitymax分别表示出水电导的最小与最大值；IN_Turbidityi表示第i个终端进水浊度归一化数值，IN_Turbidityir表示第i个终端进水浊度测量值，IN_Turbiditymin与IN_Turbiditymax分别表示进水浊度的最小与最大值；EF_Turbidityi表示第i个终端出水浊度归一化数值，EF_Turbidityir表示第i个终端出水浊度测量值，EF_Turbiditymin与EF_Turbiditymax分别表示出水浊度的最小与最大值；IN_NH3_Ni表示第i个终端进水氨氮浓度归一化数值，IN_NH3_Nir表示第i个终端进水氨氮浓度测量值，IN_NH3-Nmin与IN_NH3_Nmax分别表示进水氨氮浓度的最小与最大值；EF_NH3_Ni表示第i个终端出水氨氮浓度归一化数值，EF_NH3_Nir表示第i个终端出水氨氮浓度测量值，EF_NH3_Nmin与EF_NH3_Nmax分别表示出水氨氮浓度的最小与最大值；EF_TNi表示第i个终端出水总氮归一化数值，EF_TNir表示第i个终端出水总氮测量值，EF_TNmin与EF_TNmax分别表示出水总氮的最小与最大值；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，将进水pH、出水pH、进水电导、出水电导、进水浊度、出水浊度、进水氨氮浓度和出水氨氮浓度8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Bi,j：式中：Bi,j为第j个隐藏层神经元的数值，wIN_pH,j、wEF_pH,j、wIN_Conductivity,j、wEF_Conductivity,j、wIN_Turbidity,j、wEF_Turbidity,j、分别为8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(统称为w)，Pj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_TNinor表示第i个终端的出水总氮浓度归一化的预测值，vj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：将上述出水总氮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di：di＝EF_TNinor(1-EF_TNinor)(EF_TNi-EF_TNinor)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：ej＝Bi,j(1-Bi,j)·(vj·di)学习率参数α∈(0,1)学习率参数β∈(0,1)S7：对训练数据中所有终端的误差进行计算：式中：z为训练数据中处理终端的样本数；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总氮浓度EF_TNout的仿真值EF_TNout＝0.5(EF_TNinor+1)(EF_TNinormax-EF_TNinormin)+EF_TNinormin式中：EF_TNinormin和EF_TNinormax分别表示出水总氮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处理终端的出水总氮浓度进行预测。作为优选，所述的非线性传递函数为sigmoid函数。作为优选，所述的模型数据库的每个处理终端的水质指标数据中，pH和电导通过电极法测量，氨氮浓度通过电极法或者化学法测量，总氮浓度通过化学法测量。作为优选，所述的S4中，所述权重w与阈值Pj的初始值均为随机小数值。作为优选，所述的S5中，所述权重v与阈值Q的初始值均为随机小数值。本专利技术的另一目的在于提供一种基于上述软测量方法的农村生活污水A2O处理终端出水总氮浓度软测量装置，所述的A2O处理终端中含有进水池和出水池，所述的进水池中设有进水pH传感器、进本文档来自技高网...

【技术保护点】
1.一种农村生活污水A

【技术特征摘要】
1.一种农村生活污水A2O处理终端出水总氮浓度软测量方法，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，输出指标为出水总氮浓度，输入指标为进水pH、出水pH、进水电导、出水电导、进水浊度、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：式中：IN_pHi表示第i个终端进水pH归一化数值，IN_pHir表示第i个终端进水pH测量值，IN_pHmin与IN_pHmax分别表示进水pH的最小与最大值；EF_pHi表示第i个终端出水pH归一化数值，EF_pHir表示第i个终端出水pH测量值，EF_pHmin与EF_pHmax分别表示出水pH的最小与最大值；IN_Conductivityi表示第i个终端进水电导归一化数值，IN_Conductivityir表示第i个终端进水电导测量值，IN_Conductivitymin与IN_Conductivitymax分别表示进水电导的最小与最大值；EF_Conductivityi表示第i个终端出水电导归一化数值，EF_Conductivityir表示第i个终端出水电导测量值，EF_Conductivitymin与EF_Conductivitymax分别表示出水电导的最小与最大值；IN_Turbidityi表示第i个终端进水浊度归一化数值，IN_Turbidityir表示第i个终端进水浊度测量值，IN_Turbiditymin与IN_Turbiditymax分别表示进水浊度的最小与最大值；EF_Turbidityi表示第i个终端出水浊度归一化数值，EF_Turbidityir表示第i个终端出水浊度测量值，EF_Turbiditymin与EF_Turbiditymax分别表示出水浊度的最小与最大值；IN_NH3_Ni表示第i个终端进水氨氮浓度归一化数值，IN_NH3_Nir表示第i个终端进水氨氮浓度测量值，IN_NH3-Nmin与IN_NH3_Nmax分别表示进水氨氮浓度的最小与最大值；EF_NH3_Ni表示第i个终端出水氨氮浓度归一化数值，EF_NH3_Nir表示第i个终端出水氨氮浓度测量值，EF_NH3_Nmin与EF_NH3_Nmax分别表示出水氨氮浓度的最小与最大值；EF_TNi表示第i个终端出水总氮归一化数值，EF_TNir表示第i个终端出水总氮测量值，EF_TNmin与EF_TNmax分别表示出水总氮的最小与最大值；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，将进水pH、出水pH、进水电导、出水电导、进水浊度、出水浊度、进水氨氮浓度和出水氨氮浓度8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Bi,j：式中：Bi,j为第j个隐藏层神经元的数值，wIN_pH,j、wEF_pH,j、wIN_Conductivity,j、wEF_Conductivity,j、wIN_...

【专利技术属性】
技术研发人员：罗安程，林强，梁志伟，陈安瑶，袁平，陈宣才，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33