污水處理過程數(shù)學(xué)模型方法及其關(guān)鍵技術(shù)研究.pdf

1、如何提高污水處理效率和過程優(yōu)化控制策略是國內(nèi)外污水處理研究領(lǐng)域普遍關(guān)注的問題。污水處理過程具有時(shí)變性、非線性和復(fù)雜性等鮮明特征,這使得污水處理系統(tǒng)的運(yùn)行和控制極為復(fù)雜。在我國當(dāng)前水環(huán)境形勢(shì)下,開展污水處理過程數(shù)學(xué)模型方法研究,即具有重要的理論價(jià)值,也有緊迫的現(xiàn)實(shí)需要。
　　 數(shù)學(xué)模型方法的有效性和可行性是數(shù)學(xué)模型應(yīng)用推廣的前提。論文回顧了污水處理過程模型近50多年的發(fā)展歷程,認(rèn)為數(shù)學(xué)模型是污水處理管理和決策不可缺少的工具;同時(shí)由

2、于傳統(tǒng)數(shù)學(xué)模型方法的相對(duì)復(fù)雜性與實(shí)際操作人員的知識(shí)有限性之間的矛盾,當(dāng)前污水處理過程模型推廣應(yīng)用存在著兩個(gè)難點(diǎn):一是缺少簡(jiǎn)捷有效的機(jī)理模型校核方法:二是缺少穩(wěn)定性和準(zhǔn)確性俱佳黑箱模型方法。因此,應(yīng)該尋求簡(jiǎn)捷可靠、行之有效的模型方法及其關(guān)鍵技術(shù),以增強(qiáng)污水處理過程模型的實(shí)用性和可行性。
　　 論文以提高污水處理過程模型精度和簡(jiǎn)化模型校核步驟兩方面為目標(biāo),提出了一種待估參數(shù)選擇方法,反向選擇法。該方法通過分析模型輸出均方差,并將均方

3、差分解為方差項(xiàng)和偏差項(xiàng):前者與測(cè)量噪聲方差和所選待估參數(shù)個(gè)數(shù)成正比,后者同模型參數(shù)取值及其靈敏度有關(guān)。反向選擇法最初設(shè)定全部模型參數(shù)均屬于待估參數(shù)集,然后逐步行進(jìn),每一步挑選出一個(gè)對(duì)提高模型精度無益的參數(shù),并將其排除在待估參數(shù)集之外。隨著待估參數(shù)個(gè)數(shù)的減少,方差項(xiàng)值逐漸降低,偏項(xiàng)值則逐漸增加,當(dāng)偏項(xiàng)值增加幅度大于方差項(xiàng)值減少幅度時(shí),便停止選擇步驟,那么仍停留在待估參數(shù)集的參數(shù)則被用于模型校核。反向選擇法在計(jì)算參數(shù)靈敏度時(shí)考慮了參數(shù)的不確

4、定性,這更符合實(shí)際情況。通過與全體參數(shù)估計(jì)法和另一種待估參數(shù)選擇方法正交選擇法對(duì)比,發(fā)現(xiàn)反向選擇法能夠大大降低模型校核估計(jì)參數(shù)數(shù)目,同時(shí)提供了良好的模擬和預(yù)測(cè)性能。此外,論文還通過實(shí)驗(yàn)室規(guī)模的SBR系統(tǒng)模型驗(yàn)證了反向選擇法的有效性。
　　 機(jī)理模型與人工神經(jīng)網(wǎng)絡(luò)(ANN)模型相結(jié)合的復(fù)合模型方法能夠在機(jī)理模型未校核的前提下實(shí)現(xiàn)滿意的模擬和預(yù)測(cè)精度。論文提出了三種復(fù)合模型方法:加和式并聯(lián)復(fù)合模型方法(ASM2d+ANN)、乘積式并

5、聯(lián)復(fù)合模型方法(ASM2d*ANN)與串聯(lián)復(fù)合模型方法(ASM2d-ANN)。復(fù)合模型方法中,以ANN模型學(xué)習(xí)機(jī)理模型因未校核而引起的誤差部分,進(jìn)而完成最終模擬。基于某污水處理脫氮除磷過程測(cè)量數(shù)據(jù),分別建立了未校核的ASM2d機(jī)理模型,ASM2d+ANN模型,ASM2d*ANN模型與ASM2d-ANN模型,采用這些模型模擬出水水質(zhì)。模擬結(jié)果表明:盡管ASM2d機(jī)理模型未經(jīng)校核、并存在較大誤差,但其輸出能展示出與出水水質(zhì)相似的波動(dòng)特征,這

6、為構(gòu)建復(fù)合模型奠定了基礎(chǔ);基于ASM2d機(jī)理模型,輔以ANN模型,三種復(fù)合模型均顯示了良好的模擬和預(yù)測(cè)性能,這表明復(fù)合模型不僅具有良好的向內(nèi)差值功能,而且擁有可靠地外推插值能力;三種復(fù)合模型之中,ASM2d-ANN模型性能最優(yōu),其串聯(lián)結(jié)構(gòu)決定了ASM2d-ANN模型能夠合理地描述存在于ASM2d機(jī)理模型輸出和變量測(cè)量值之間的非線性關(guān)系。因此,復(fù)合模型方法適用于污水處理過程模擬,是一種簡(jiǎn)捷有效的模型方法。
　　 黑箱模型方法是解決

7、污水處理復(fù)雜動(dòng)態(tài)過程模擬問題的有效途徑。論文深入探討了三種黑箱模型方法:適應(yīng)性模糊推理系統(tǒng)(ANFIS)、小波網(wǎng)絡(luò)和小波變換一模糊馬爾可夫鏈方法。ANFIS是一種具有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特征的模糊推理系統(tǒng):論文利用高濃度廢水厭氧處理過程數(shù)據(jù),驗(yàn)證了ANFIS模型的有效性;并且針對(duì)ANFIS模型快速收斂的特點(diǎn),提出了一種模型輸入優(yōu)化選擇方法,潛在式最優(yōu)輸入選擇法,通過與主成份分析法對(duì)比以及模型不確定性分析,表明基于潛在式最優(yōu)輸入選擇法構(gòu)建的ANF

8、IS模型泛化能力強(qiáng)、穩(wěn)定性好。小波網(wǎng)絡(luò)是隱層神經(jīng)元為小波函數(shù)的單隱層神經(jīng)網(wǎng)絡(luò);論文通過膜濾過程膜通量測(cè)量數(shù)據(jù)驗(yàn)證了小波網(wǎng)絡(luò)模型的有效性,并且發(fā)現(xiàn)小波網(wǎng)絡(luò)具有網(wǎng)絡(luò)構(gòu)建方法明確、網(wǎng)絡(luò)初始化效果好、快速收斂等顯著特征,可用于污水處理過程模擬。小波變換一模糊馬爾可夫鏈方法是一種時(shí)間序列預(yù)測(cè)方法,其首先利用小波變換將原始時(shí)間序列分解為若干子序列,然后對(duì)每個(gè)子序列分別建立模糊馬爾可夫鏈模型,最后再通過小波重構(gòu)將各子序列輸出合并以預(yù)測(cè)原始時(shí)間序列:論