專利名稱：一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法
技術領域：
本發(fā)明屬于污水水質參數(shù)軟測量技術領域，具體涉及一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法。
背景技術：
國務院在《中華人民共和國國民經(jīng)濟和社會發(fā)展第十二個五年規(guī)劃綱要》中提出了城市污水處理率達到85%的總體目標，并對污水處理行業(yè)提出了提高污水處理率、污水排放標準等要求。這些要求在“質”和“量”的方面對污水處理行業(yè)提出了更高的要求。但目前我國污水處理廠的實際運行狀況并不樂觀。據(jù)環(huán)保部門統(tǒng)計，運行負荷不足、出水水質超標或運行異常的污水處理廠約占50%。因此國家中長期科技發(fā)展規(guī)劃中明確提出要抑制異常工況發(fā)生，確保污水處理質量達標；研究并推廣高效、低能耗的污水處理新技術。因此，
本發(fā)明的研究成果具有廣闊的應用背景。污水處理過程是一個典型的非線性時變系統(tǒng)，其關鍵的生化反應階段涉及復雜微生物反應過程。由于測量技術的局限，污水處理過程中的一些重要參數(shù)是無法或很難進行在線測量(生化需氧量B0D、如氨氮NH3-N、化學需氧量COD等)。這些參數(shù)對于出水指標的控制、過程的優(yōu)化及故障的診斷起著重要的作用，是污水處理中必須監(jiān)測的變量。其中水質參數(shù)BOD是指在規(guī)定時間內分解單位有機物所需要的氧量，目前污水處理廠多通過使用稀釋接種法、微生物傳感器快速測定法測定不同類型水中生化需氧量B0D，其BOD分析測試定周期一般為5天，不能及時反映污水處理實際情況，不能實現(xiàn)對BOD實時測量，直接導致污水處理過程難以實現(xiàn)閉環(huán)控制。另外，污水中污染物的數(shù)量多、含量各異，對檢測是一大挑戰(zhàn)。研制新型硬件形式的過程測量儀表，雖然可以直接解決各種污水處理過程中變量及水質參數(shù)檢測問題，但由于污水中有機物非常復雜，研制這些傳感器將是一個耗時費力的工程。因此，研究新的測量方法解決過程參數(shù)的實時測量問題，已經(jīng)成為污水控制工程領域研究的重要課題，并具有重要的現(xiàn)實意義。

發(fā)明內容
針對現(xiàn)有技術的不足，本發(fā)明提出一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法，以實現(xiàn)實時性好、穩(wěn)定性好、精度高、神經(jīng)網(wǎng)絡的泛化能力強、避免研制傳感器的復雜過程和降低運行成本的目的。一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法，包括以下步驟步驟I、設計用于污水曝氣池生化需氧量軟測量的動態(tài)前饋神經(jīng)網(wǎng)絡拓撲結構；其中，網(wǎng)絡分為三層輸入層、隱含層和輸出層；所述的輸入層為污水曝氣池進水水質指標，所述的輸出層為出水生化需氧量BOD ；步驟1-1、初始化神經(jīng)網(wǎng)絡結構確定神經(jīng)網(wǎng)絡結構為1-1-1的連接方式，即輸入層神經(jīng)元為I個，在網(wǎng)絡開始訓練的時刻，隱含層的神經(jīng)元為I個，輸出層神經(jīng)元I個；步驟1-2、對神經(jīng)網(wǎng)絡的權值進行隨機賦值；神經(jīng)網(wǎng)絡的輸入表示為X= (Xl，X2,…,X1)1，其中(X11Xy…，Xi)TS (X11XhH^X1)的轉置，神經(jīng)網(wǎng)絡的期望輸出表示為yd ;k時亥1J的訓練樣本為 X (k) = (X1 (k), X2 (k), ···, xx(k))T ；假設k時刻動態(tài)動態(tài)前饋神經(jīng)網(wǎng)絡的隱含層中有m個隱節(jié)點，則用k時刻的訓練樣本訓練神經(jīng)網(wǎng)絡時，動態(tài)前饋神經(jīng)網(wǎng)絡的輸出描述為
權利要求
1.一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法，其特征在于包括以下步驟 步驟1、設計用于污水曝氣池生化需氧量軟測量的動態(tài)前饋神經(jīng)網(wǎng)絡拓撲結構；其中，網(wǎng)絡分為三層輸入層、隱含層和輸出層；所述的輸入層為污水曝氣池進水水質指標，所述的輸出層為出水生化需氧量BOD ； 步驟1-1、初始化神經(jīng)網(wǎng)絡結構確定神經(jīng)網(wǎng)絡結構為1-1-1的連接方式，即輸入層神經(jīng)元為I個，在網(wǎng)絡開始訓練的時刻，隱含層的神經(jīng)元為I個，輸出層神經(jīng)元I個； 步驟1-2、對神經(jīng)網(wǎng)絡的權值進行隨機賦值；神經(jīng)網(wǎng)絡的輸入表示為X= (Xl，X2,…，X1)τ，其中(Xl，x2，…，X1)τ為(Xl，X2，…，X1)的轉置，神經(jīng)網(wǎng)絡的期望輸出表示為yd;k時刻的訓練樣本為 XGO = U1 (k), X2 (k), ···, X1 (k))τ ； 假設k時刻動態(tài)動態(tài)前饋神經(jīng)網(wǎng)絡的隱含層中有m個隱節(jié)點，則用k時刻的訓練樣本訓練神經(jīng)網(wǎng)絡時，動態(tài)前饋神經(jīng)網(wǎng)絡的輸出描述為
2.根據(jù)權利要求I所述的基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法，其特征在于步驟3所述的采用標準化后的數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，包括以下步驟 步驟3-1、采用標準化后的輸入樣本對網(wǎng)絡進行訓練，計算神經(jīng)網(wǎng)絡訓練k時刻的輸入數(shù)據(jù)時第j個隱節(jié)點的活躍度Af^ (k)
全文摘要
本發(fā)明一種基于動態(tài)前饋神經(jīng)網(wǎng)絡的生化需氧量在線軟測量方法，通過設計用于污水曝氣池生化需氧量軟測量的動態(tài)前饋神經(jīng)網(wǎng)絡拓撲結構，確定動態(tài)前饋神經(jīng)網(wǎng)絡的輸入樣本，并對輸入樣本進行在線歸一化處理；采用標準化后的數(shù)據(jù)訓練神經(jīng)網(wǎng)絡，計算神經(jīng)網(wǎng)絡中與隱節(jié)點相連的所有權連接值在每次訓練過程中的變化情況，判斷該隱節(jié)點的活躍性，對活躍度較大的隱節(jié)點進行分裂；通過計算隱節(jié)點在訓練過程中絕對輸出的變化情況，判斷該隱節(jié)點學習信息的能力，刪除沒有學習能力的隱節(jié)點；對神經(jīng)網(wǎng)絡參數(shù)進行調整；動態(tài)前饋神經(jīng)網(wǎng)絡訓練過程結束后，確定曝氣池出水生化需氧量BOD；本發(fā)明具有實時性好、穩(wěn)定性好、精度高、神經(jīng)網(wǎng)絡的泛化能力強的優(yōu)點。
文檔編號G06N3/02GK102879541SQ20121027165
公開日2013年1月16日 申請日期2012年7月31日 優(yōu)先權日2012年7月31日
發(fā)明者張昭昭, 郭偉, 張美金 申請人:遼寧工程技術大學