基于BP-ANN的农污设施COD处理效果预测方法、装置、平台制造方法及图纸

本发明专利技术公开了一种基于BP

【技术实现步骤摘要】
基于BP
‑
ANN的农污设施COD处理效果预测方法、装置、平台


[0001]本专利技术属于水质监测领域，具体涉及一种基于BP
‑
ANN的农污设施COD处理效果预测方法、装置、平台。

技术介绍

[0002]COD是我国农村生活污水处理设施出水水质的主要监测指标之一,它是一个重要的有机物污染参数,反映了水中受还原性物质污染的程度。当前对于设施出水COD的检测方法主要为运维人员手工采样，实验室化学法检测，该方法虽然测量精度高，但由于我国农村生活污水处理设施普遍点位分散且数量众多，部分地级市内已包含数万个农村生活污水处理设施，相关政府机构每年都要投入大量的人力物力用于运维工作。同时，该方法还存在另一大明显弊端，即为运维管理的滞后性，即从采样到发现出水情况异常再到运维人员到现场调试往往需要几周的时间。在这段时间内，污水处理设施常常处于非正常状态运行，这将导致：一方面，由于出水情况未达排放标准，对受纳水体水质造成破坏；另一方面，长期的非正常情况运行，会加剧污水处理设施的损耗程度，给运维工作造成极大困扰。
[0003]近年来，已有研究表明人工神经网络模型对于市政等污水处理设施出水COD的预测效果。但该类型研究绝大部分仍已单个设施为研究对象，不同研究确立的模型对于研究对象外的不同工艺，不同处理设施预测性能存疑。而在我国农村生活污水处理设施普遍存在工艺繁杂(涵盖诸如A2O，A2O+人工湿地，A2O+滤池等主流工艺)，数量众多特点，基于此，提出一种基于人工神经网络(ANN)的农污设施COD处理效果预测方法破解目前设施运维的难题具有重要意义。
[0004]BP人工神经网络(BP
‑
ANN)是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。在申请号为CN201910226953.2的专利技术专利中，申请人已经公开了一种农村生活污水A2O处理终端出水COD浓度软测量方法及装置。在该方案中，我们提出一种基于人工神经网络，以出水pH，进水电导，出水电导，出水浊度，进水氨氮浓度与出水氨氮浓度为输入型指标，适用于同一区域内不同AO处理工艺设施的出水COD浓度软测量预测。然而，该方法在应用时面临一个输入指标检测较为困难的问题，其原因主要受限于其中的进水氨氮浓度与出水氨氮浓度两个指标的测定。氨氮的测定主要依赖于实验室分析或者便携式的成套设备，但此类设备无法直接用于连续的现场实时监测。目前虽然市面上已有诸如氨气敏电极等可用于监测进出水氨氮浓度的电极，但该类型电极的检测灵敏性和准确性不高，而且需要定期添加化学试剂因此对运维要求较高，不易成套化安装至现场状态检测设备中。因此，如何对此类方法和设备进行改进，使得其能够通过监测容易检测的指标，实现农污设施COD处理效果的实时预测，是目前亟待解决的技术问题。

技术实现思路

[0005]本专利技术在对数百个农村生活污水处理设施的实地调研基础上，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
‑
ANN的农污设施COD处理效果预测方法及其装置。
[0006]本专利技术解决上述技术问题所采用的技术方案如下：
[0007]第一方面，本专利技术提供了一种基于BP
‑
ANN的农污设施COD处理效果预测方法，所述农污设施为运行A2O工艺或含有A2O的组合工艺的农村生活污水处理设施，其步骤如下：
[0008]S1：利用安装于待预测农村生活污水处理设施进水端的电导电极、A2O工艺厌氧池中的ORP以及出水端的pH电极、电导电极和浊度电极，实时获取该农村生活污水处理设施中出水pH、进水电导、出水电导、A2O工艺厌氧池ORP和出水浊度五个运行状态参数的瞬时值，并上传至在线数据平台；
[0009]S2：在线数据平台接收现场状态监测设备传输的五个运行状态参数的瞬时值后，以五个运行状态参数作为输入层指标，以出水COD浓度作为输出层指标，利用经过训练的BP神经网络模型对农村生活污水处理设施的出水COD浓度进行预测。
[0010]作为优选，所述的BP神经网络模型包括输入层、隐藏层和输出层，输入层有5个输入神经元，分别对应五个运行状态参数，隐藏层有16个隐藏神经元，输出层有1个输出神经元，对应预测的出水COD浓度。
[0011]作为优选，所述的五个运行状态参数经由电极测量后，经过模数转换获得数字信号，再通过通信网络实时传输至在线数据平台。
[0012]作为优选，所述的通信网络为无线通信网络。
[0013]作为优选，所述的在线数据平台为云平台或者监控端服务器。
[0014]作为优选，所述在线数据平台内内置的BP神经网络模型在训练时，采用不同农村生活污水处理设施的运行数据作为样本集进行训练，且每个农村生活污水处理设施也均运行A2O工艺或含有A2O的组合工艺，所述运行数据包含不同时刻的所述五个运行状态参数和出水COD浓度。
[0015]作为优选，所述农村生活污水处理设施为A2O处理设施、A2O与人工湿地串联的处理设施或A2O与滤池串联的处理设施。
[0016]作为优选，所述电极需安装定期冲洗装置或人工定期冲洗，以维持上述电极探头清洁，同时需定期校正电极，维持上述电极读数准确。
[0017]第二方面，本专利技术提供了一种基于BP
‑
ANN的农污设施COD处理效果预测装置，所述农污设施为运行A2O工艺或含有A2O的组合工艺的农村生活污水处理设施，其包括：
[0018]现场状态监测设备，包括安装于待预测农村生活污水处理设施进水端的电导电极、A2O工艺厌氧池中的ORP以及出水端的pH电极、电导电极和浊度电极，用于实时获取该农村生活污水处理设施中出水pH、进水电导、出水电导、A2O工艺厌氧池ORP和出水浊度五个运行状态参数的瞬时值；
[0019]信号传输系统，用于将现场状态监测设备获取到的五个运行状态参数数据实时发送至在线数据平台；
[0020]在线数据平台，平台中内嵌有经过训练的BP神经网络模型，用于以信号传输系统发送的五个运行状态参数作为输入层指标，输出农村生活污水处理设施的出水COD浓度的预测值。
[0021]第三方面，本专利技术提供了一种基于BP
‑
ANN的农污设施COD处理效果预测在线数据平台，所述农污设施为运行A2O工艺或含有A2O的组合工艺的农村生活污水处理设施，其包括：
[0022]数据获取模块，用于获取待预测农村生活污水处理设施的五个运行状态参数，所述五个运行状态参数包括农村生活污水处理设施中出水pH、进水电导、出水电导、A2O工艺厌氧池ORP和出水浊度五个运行状态参数的瞬时值，分别由安装于待预测农村生活污水处理设施进水端的电导电极、A2O工艺厌氧池中的ORP以及出水端的pH电极、电导电极和浊度电极实时获取；
[0023]BP神经网络模块，其内置经过训练的BP神经网络模型，用于以所述五个运行状态参数作为输入层指标，对农村生活污水处理设施的出水COD浓度进行预测；
[0024]数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP
‑
ANN的农污设施COD处理效果预测方法，所述农污设施为运行A2O工艺或含有A2O的组合工艺的农村生活污水处理设施，其特征在于，步骤如下：S1：利用安装于待预测农村生活污水处理设施进水端的电导电极、A2O工艺厌氧池中的ORP以及出水端的pH电极、电导电极和浊度电极，实时获取该农村生活污水处理设施中出水pH、进水电导、出水电导、A2O工艺厌氧池ORP和出水浊度五个运行状态参数的瞬时值，并上传至在线数据平台；S2：在线数据平台接收现场状态监测设备传输的五个运行状态参数的瞬时值后，以五个运行状态参数作为输入层指标，以出水COD浓度作为输出层指标，利用经过训练的BP神经网络模型对农村生活污水处理设施的出水COD浓度进行预测。2.如权利要求1所述的基于BP
‑
ANN的农污设施COD处理效果预测方法，其特征在于，所述的BP神经网络模型包括输入层、隐藏层和输出层，输入层有5个输入神经元，分别对应五个运行状态参数，隐藏层有16个隐藏神经元，输出层有1个输出神经元，对应预测的出水COD浓度。3.如权利要求1所述的基于BP
‑
ANN的农污设施COD处理效果预测方法，其特征在于，所述的五个运行状态参数经由电极测量后，经过模数转换获得数字信号，再通过通信网络实时传输至在线数据平台。4.如权利要求3所述的基于BP
‑
ANN的农污设施COD处理效果预测方法，其特征在于，所述的通信网络为无线通信网络。5.如权利要求1所述的基于BP
‑
ANN的农污设施COD处理效果预测方法，其特征在于，所述的在线数据平台为云平台或者监控端服务器。6.如权利要求1所述的基于BP
‑
ANN的农污设施COD处理效果预测方法，其特征在于，所述在线数据平台内内置的BP神经网络模型在训练时，采用不同农村生活污水处理设施的运行数据作为样本集进行训练，且每个农村生活污水处理设施也均运行A2O工艺或含有A2O的组合工艺，所述运行数据包含不同时刻的所述五个运行状态参数和出水COD浓度。7.如权利要求1所述的基于BP
...

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