基于CIHS-RBF的生物生態(tài)組合污水處理建模技術研究.pdf

1、生物生態(tài)組合污水處理是將傳統(tǒng)生物處理系統(tǒng)和生態(tài)處理系統(tǒng)聯(lián)合起來對污水進行處理。如果能對其建立精確的污水處理模型，從而實現(xiàn)生物段生態(tài)段污水處理負荷的合理分配，在保證污水出水水質(zhì)滿足排放標準的情況下，盡可能采用生態(tài)處理系統(tǒng)進行污水處理，不僅能降低污水處理的成本，亦可達到節(jié)能降耗的目的。污水處理本身就是一個高度復雜的非線性生化反應過程，生物生態(tài)組合污水處理過程更是加大了數(shù)學建模的難度，故將具有優(yōu)良的非線性函數(shù)逼近特性、自適應學習和歸納能力的人

2、工神經(jīng)網(wǎng)絡應用于污水處理智能建模領域。為了進一步提高神經(jīng)網(wǎng)絡智能模型的性能，本文采用新近提出的和聲搜索算法代替常用的神經(jīng)網(wǎng)絡學習算法對網(wǎng)絡進行訓練，該算法概念簡單，全局搜索能力強，易于實現(xiàn)，已成功應用于諸多領域。結(jié)合前人的研究經(jīng)驗和成果，開展建立基于混沌改進的和聲搜索算法訓練徑向基神經(jīng)網(wǎng)絡的生物生態(tài)組合污水處理智能模型的研究工作，主要工作內(nèi)容如下：
　　①針對現(xiàn)有改進和聲搜索算法沒有方向性，收斂時間長等不足，提出了混沌改進的和聲搜

3、索算法。對改進和聲搜索算法的部分參數(shù)設置提出新的調(diào)整，增強算法的全局搜索能力；采用基于二次載波的混沌優(yōu)化算法來初始化以及更新和聲記憶庫，引導算法往潛在的最優(yōu)解鄰域進行搜索，縮短算法的收斂時間。
　?、谔岢霾捎没煦绺倪M的和聲搜索算法優(yōu)化RBF神經(jīng)網(wǎng)絡參數(shù)的策略。以非線性函數(shù)逼近和Iris分類問題作為仿真實例，將分別由幾種常見的和聲搜索算法訓練后的RBF神經(jīng)網(wǎng)絡測試結(jié)果和標準RBF神經(jīng)網(wǎng)絡的測試結(jié)果進行對比，結(jié)果表明經(jīng)過參數(shù)優(yōu)化后的R

4、BF神經(jīng)網(wǎng)絡具有更強的逼近能力和更高的預測精度；與其它幾種和聲搜索算法相比，混沌改進的和聲搜索算法具有更快的收斂速度，更高的訓練精度和測試精度。
　　③建立了基于CIHS-RBF神經(jīng)網(wǎng)絡的智能模型，并將之應用于重慶某生物生態(tài)組合污水處理廠。一系列實驗證明，該模型能夠?qū)ι锒紊鷳B(tài)段污水處理負荷進行合理分配，提供準確的工藝參數(shù)和出水水質(zhì)。最后集成該模型和相關污水處理過程節(jié)能控制策略，開發(fā)了基于LabVIEW虛擬儀器平臺的生物生態(tài)組合污