基于递归神经网络的污水处理软测量研究

网络法等来建立模型，常用的设计方法有 正交设计法等。在具体的测试中可采用吸 取调优的操作办法逐步向更好的操作点移 动，在扩大测试范围的同时还可改进工艺 操作。在测量的时候为了减小误差需要数 据采样与产品质量分析同步进行。将机理 建模和经验建模相结合就构成了组合建模。 组合建模可以扬长避短，兼顾两者优点， 弥补各自的缺点。本文将采用组合建模的 形式进行建模。
区域治理
环境治理与发展
基于递归神经网络的污水处理软测量研究
孙娟
康达环保水务有限公司，河南 焦作 454003
摘要 : 本文旨在构建一种污水生化需氧量 BOD 的软测量方法 , 通过建立基于递归神经网络的 BOD 软测量模型 , 建立了递归神经网络 结构下的 BOD 软测量学习算法。文中首先对软测量模型进行整体设计 , 接着构造局部递归神经网络结构 , 并对递归神经网络结构下的污 水处理参数 BOD 进行建模 , 同时阐述了主导变量和辅助变量之间的关系 , 以及如何选取辅助变量作为网络学习的参数。最后使用构建的 学习算法在递归神经网络的框架下对污水处理参数 BOD 进行软测量预测 , 结果显示能够提高 BOD 软测量的精度。
数据难以训练。因此，本文采用局部递归 的 算 术 平 均 值（ 第 i 次 检 测 数 据 的 平 均 的输入之间的权值调整，可构造权值调整
神经网络结构。其结构如上图。
2 软测量模型的校正 在使用组合建模的形式建模后，使用 模型的实际环境跟实验环境存在着一定的 差别，需要根据实际环境情况，例如气温、 工作环境等对模型进行适时修正，以减小 模型预测的误差值。 三、污水处理参数 BOD 的递归神经 网络建模 1RNN 结构及污水处理神经网络建模 参数的选取及处理 递 归 神 经 网 络（Recurrent Neural Networks）是指在网络结构中存在反馈信 息的神经网络，在该类型网络结构中输入 层或隐含层的输出结果与样本数据一起组 成输入层的输入数据，进入网络进行学习。 在该网络中根据反馈信息是由隐含层的输 出组成还是有输出层的输出组成可分为全
助变量和主导变量 BOD 参数的数学模型来 实现 BOD 参数的在线建模与评估。在建模 与评估中具有较强的非线性与滞后性。由 于神经网络结构的复杂性，其计算能力较 强，对于非线性的问题具有较好的处理能 力，可有效的解决这个问题。
二、 生 化 需 氧 量（BOD） 软 测 量 总 体设计
建模是生化需氧量的软测量中首先需 要解决的问题。在建模中，首先要建立主 导变量和辅助变量之间的函数关系。由于 主导变量难于测量，通常是通过测量辅助 变量来确定主导变量的测量值。因此，软 测量可采用计算机技术对不易测量的主导 变量值通过测量辅助变量值而得到，这就 要求在选择辅助变量时选择一些容易测量 的变量，通过构造数学模型以软件的形式 代替硬件。在软测量总体设计中，首先要 确定辅助变量。在选取辅助变量之前数显 要确定主导变量和软测量任务。在此前提 条件下采用机理分析的机制选取与主导变 量联系紧密的变量作为辅助变量，确定辅 助变量的类型、数量以及检测地点。之后 还要经过软测量模型的建立和软测量模型 的校正两个个步骤。
1 软测量模型 建立软测量模式是软测量的关键步骤， 通常有机理建模、经验建模和组合建模。 机理建模是以过程的内在规律为基础，通 过事物的物料与能量平衡以及动量平衡来 建立数学模型。在模型的建立过程中，简 单的过程使用分析法，复杂的过程采用仿 真法。对于已有的仿真程序包，在建模的 过程中可以直接拿过来组成我们所建的模 型。该模型可利用已有的过程知识从本质 上认识外部特征，但由于一些过程复杂难 以建模存，所以该建模方法存在一定的弱 点。经验建模则是通过实际检测的参数或 根据已有的数据，通过数学回归法、神经
关键字 : 递归神经网络；污水处理；软测量
一、引言 随着经济的快速发展，生活和工业生 产中产生大量的生活和生产污水。在这些污 水中富含有大量的有机物质，要处理污水 改善水质就需要将有机物进行分解。但分 解的过程中会消耗大量的溶解氧，以至于 水中氧气缺少，水质无法得到改善。在污 水处理的过程中检测水质可通过检测水中 的溶解氧来达到实时检测水质的目的。其 中一个重要的检测指标就是需氧量 BOD， 通过检测水中的 BOD 可有效的检测水中的 溶解氧和有机物的含量。检测 BOD 的方法 一般测压差法、增温法和软测量法对水体 中的生化需氧量进行测量。在稀释接种法 中，需要将待测水样进行培养，操作复杂， 测试周期较长无法进行在线连续测量，不 能及时反映出水质的情况。测压差法则是 将污水样本密闭于容器中，通过测量容器 中初始气压值和生化反应后的气压差来确 定 BOD 值。在具体的实施过程中，该方法 操作简单，但由于生化反映时间较长则测 量时间也较长。增温法是将污水样本进行 温度增高，加快生物的代谢过程来降解有 机物污染物。该方法虽然缩短了检测时间， 但测量精度不够准确。软测量方法不同于 常规测量方法，在该方法中将测量对象中 的待测变量作为主导变量，将与之有关的 量作为辅助变量，然后建立主导变量和辅 助变量的数学模型，通过测量辅助变量来 得到主导变量的测量。 目前，在工业领域中鉴于污水处理过 程的复杂性，在污水处理过程中无法使用 一些常规的方法来获得污水测量参数，这 就造成对污水控制处理的困难。目前对于 参数的获取使用常规测量仪和软测量技术 两种方法。在常规测量仪方法中一般通过 现有或新研发的测量仪来测量参数，但测 量仪自身的弊端使得在测量过程中很难检 测过程参数。在软测量技术中一般采用辅
图 3.1 RNN 神经网络结构图
· 52 ·
环境治理与发展
区域治理
局递归神经网络和局部递归神经网络。由 数 的 最 小 值， 为 归 一 化 后 的 值。 在 数 据 重启进入隐含层进行学习。因此，隐含层
于递归神经网络结构复杂，数据量庞大， 异 常 处 理 中， 设 定 阈 值， 计 算 样 本 数 据 的权值调整包含了隐含层的输入和输入层