基于自组织随机配置网络的污水总磷软测量方法及系统技术方案

本发明专利技术属于污水处理技术领域，公开一种基于自组织随机配置网络的污水总磷软测量方法及系统，该方法包括：步骤1，基于随机配置网络构建总磷软测量模型，确定总磷软测量模型的输入变量和输出变量，所述输入变量为出水pH值、入水流量、第五分区溶解氧浓度、第二分区硝态氮浓度和出水固体悬浮物浓度；所述输出变量为出水总磷浓度；所述总磷软测量模型的隐含层为单层；步骤2，对隐含层的神经元个数进行自组织调整和参数确定；步骤3，基于结构调整后的总磷软测量模型进行污水总磷软测量。本发明专利技术在不需要人为设定阈值的情况下，可以根据输出误差自动调整网络结构。动调整网络结构。动调整网络结构。

【技术实现步骤摘要】
基于自组织随机配置网络的污水总磷软测量方法及系统


[0001]本专利技术属于污水处理
，尤其涉及一种基于自组织随机配置网络的污水总磷软测量方法及系统。

技术介绍

[0002]近五年我国在水污染防治能力建设方面投资超2000亿元，截至2020年，我国累计建成污水处理厂10113座，污水处理率超95％。虽然污水处理率已达到较高水平，但由于我国污水排放标准的提高，部分污水处理厂工艺落后，加之部分污水处理厂负荷能力不足，时常出现出水水质超标和工况异常等问题，对环境造成污染的同时增加了污水处理厂的运行成本。城市污水处理的最终目标是使出水水质满足国家排放标准，而关键水质参数的监测对提高污水处理效果、避免出水水质超标有重要作用。磷是造成水体富营养化、藻类大量生长的主要因子，是水体富营养化问题的主要因素，控制水体富营养化的主要措施就是对富含磷的污水进行除磷操作，并且严格限制污水处理厂出水中总磷的浓度，而对污水总磷浓度的实时检测是实现污水总磷有效去除的必要条件。因此，总磷浓度的实时检测对提高污水处理厂污水处理能力、防止出水总磷超标有重要意义。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自组织随机配置网络的污水总磷软测量方法，其特征在于，包括：步骤1，基于随机配置网络构建总磷软测量模型，确定总磷软测量模型的输入变量和输出变量，所述输入变量为出水pH值、入水流量、第五分区溶解氧浓度、第二分区硝态氮浓度和出水固体悬浮物浓度；所述输出变量为出水总磷浓度；所述总磷软测量模型的隐含层为单层；步骤2，对隐含层的神经元个数进行自组织调整和参数确定；步骤3，基于结构调整后的总磷软测量模型进行污水总磷软测量。2.根据权利要求1所述的基于自组织随机配置网络的污水总磷软测量方法，其特征在于，所述步骤2包括：步骤2.1：在隐含层神经元生成阶段，如果当前的网络误差不满足精度要求，则新增一个隐含层神经元，其输入权值在满足式(1)的条件下随机生成，输出权值由式(2)计算得到；个隐含层神经元，其输入权值在满足式(1)的条件下随机生成，输出权值由式(2)计算得到；其中m为输出变量个数；e
L
‑1表示隐含层神经元个数为L
‑
1时的网络误差，g
L
(x)为新增的第L个隐含层神经元的输出；0＜r＜1；{μ
L
}为非负实数序列并且lim
L
→
+∞
μ
L
＝0，0＜μ
L
≤(1
‑
r)；<
·
,
·
>为内积计算；β
j
表示第j个隐含层神经元的输出权值，y为期望输出；步骤2.2：在隐含层神经元删减阶段，计算新增加的神经元与其它神经元之间的互信息，利用互信息反映新增神经元与其它神经元之间的相关性；删除与新增神经元互信息最大的神经元，若删除后的网络误差比增加第L个神经元之前的误差小，则该删除操作生效，否则取消删除操作；步骤2.3：重复步骤2.1和步骤2.2直到网络误差达到精度要求。3.一种基于自组织随机配置网络的污水总磷软测量系统，...

【专利技术属性】
技术研发人员：栗三一，高鹏飞，岳伟超，王乾，刘鹏，刘娜，孙军伟，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：