基于神经网络的污水处理水质预测研究

西南交通大学硕士学位论文基于神经网络的污水处理水质预测研究姓名：高平平申请学位级别：硕士专业：环境工程指导教师：杨顺生20041201西南交通大学硕士研究生学位论文第1页摘要污水处理受到进水水质、水量、设备、工艺等诸多因素影响，过程复杂．水质变化具有非线性及非确定性特征。传统的污水处理出水水质预测ASM系列模型由于涉及的反应过程和参数较多，许多参数缺乏成熟的测定方法，实际应用效果并不十分理想。人工神经网络具有大规模并行运算、自适应、自学习、容错性的能力，特别适用于需要同时考虑许多因素和条件，不精确的、模糊的信息处理。因此，运用人工神经网络对污水处理出水水质进行预测具有独特的优势，也为污水处理出水水质预测提供了新思路。本文以MATLAB6．5为计算平台，采用BP神经网络结构：一个输入层、一个隐含层、一个输出层。通过工艺分析，确定6个进水水质指标即水量、PH值、温度、COD、硫化物、MLSS为输入神经元；出水COD浓度为输出神经元。通过对某厂污水处理站的监测数据进行学习，分析影响BP网络学习效率和预测精度的影响因素，主要从隐含层神经元数量、训练次数、隐含层激励函数、学习样本数量几个方面对该厂污水处理站出水COD浓度预测BP网络模型进行了优化，确定了引进分厂污水处理站出水水质预测人工神经网络模型。最后运用聚类分析法、主成分分析法去除了监测数据中有离群趋势的4个点，将监测数据分为6类，从每类中选取2／3作为学习样本，其余数据作为检验样本。最后通过验证表明，BP人工神经网络模型预测结果同监测出水COD浓度相对误差最高为9．2％，最低为O．9％，平均相对误差为3．4％，识别率达到92．3％，具有较高的精度，能满足水质预测实际要求。关键词：人工神经网络：污水处理：水质预测：BP学习算法西南交通大学硕士研究生学位论文第11页AbstractSewagedisposalisacomplexprocess，whichisoftenaffectedbymanyfactorssuchasthequalityandvolumeofwatersupply,equipmentsandprocesses．Waterqualitychangeshavethenon—linearfeatureandnondeterministicfeatures．Thetraditionalwater—qualityprediction，ASMModel，hasnotproducedgoodresultsinapplicationbecauseitinvolvedmanyreactionprocessandparameters．whichcannotbedeterminedbysophisticatedmethodsformeasuringArtificiaINeuralNetworkhasself-adaptive．self-learningandfanit—tolerantcapacityaswellaslarge—scaleconcurrentoperation．whichiSparticularlyapplicableforinaccurateandfuzzyinformationprocessingwithmanyfactorsandconditionsinvolved．Therefore．theapplicationofArtificialNeuralNetworkprovidesanew,approachtothepredictionofyieldingwaterqualityinsewagedisposalwithuniqueadvantages．ThepaperadoptsMATLAB6．5ascomputationalplatformandBPneuralnetworkconfigurationwhichconsistsofinputlevel．impliedIevelandoutputlevel．SixdataofwatersupplyqualityiSdetermincdafterprocessanalysis．whicharewatervolume，PH，temperature，COD，sulfide，MLSS．MLSSreferstoinputnerveeellwhereasCODreferstooutputnervecell．Basedonmonitoringdataofsewagedisposalstation．BPnetworkiSanalyzedintermsofthefactorsaffectinglearningefficiencyandpredictionaccuracy．Furthermore，afteritsapplicationt