分析軟測(cè)量在污水處理過程中的研究與應(yīng)用

摘 要：污水處理是一個(gè)變化多樣、復(fù)雜繁瑣、非線性的過程，致使在污水處理中，無法對(duì)所涉及的所有動(dòng)態(tài)數(shù)據(jù)進(jìn)行在線檢測(cè)，而軟測(cè)量作為一種先進(jìn)的測(cè)量技術(shù)，可以對(duì)污染水質(zhì)狀況予以準(zhǔn)確、及時(shí)的分析，是一種非常實(shí)用的污水處理技術(shù)。該文在介紹軟測(cè)量技術(shù)的基礎(chǔ)上，闡述軟測(cè)量在污水處理過程中的具體應(yīng)用，最后探討MW-LSSVR污水處理過程的軟測(cè)量。

關(guān)鍵詞：軟測(cè)量 污水處理 應(yīng)用

中圖分類號(hào)：TK302.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）07（c）-0000-00

污水處理指的就是通過設(shè)立一項(xiàng)有效、可靠的體系治理與改善水質(zhì)，并且依據(jù)切實(shí)可行的自主監(jiān)控體系維護(hù)其正常運(yùn)行，此體系涉及參數(shù)比較多，在必要的情況下需要給予及時(shí)檢測(cè)，這樣才可以確保污水排放指標(biāo)符合我國(guó)有關(guān)部門的規(guī)定。在實(shí)際操作過程中，因?yàn)樘幚磉^程的繁瑣、復(fù)雜、非線性，需要進(jìn)行有效、準(zhǔn)確的檢測(cè)與數(shù)據(jù)傳輸，為此，需要加大軟測(cè)量技術(shù)的應(yīng)用力度。

1軟測(cè)量技術(shù)

軟測(cè)量技術(shù)指的就是根據(jù)可以測(cè)量、容易測(cè)量過程的變量與無法直接測(cè)量的待測(cè)變量之間的關(guān)系，遵照相關(guān)原則，利用新型網(wǎng)絡(luò)計(jì)算機(jī)技術(shù)開展檢測(cè)與評(píng)估變量的手段。一般而言，軟測(cè)量技術(shù)內(nèi)容主要有：數(shù)據(jù)信息的收集與處理、輔助變量的選取、軟測(cè)量模型構(gòu)建及在線校正等。首先，數(shù)據(jù)信息收集指的就是對(duì)原始輔助變量與主導(dǎo)變量歷史數(shù)據(jù)的收集，使其具備代表性、均衡、精簡(jiǎn)的特點(diǎn)，以此來對(duì)污水處理過程的所有情況進(jìn)行體現(xiàn)；數(shù)據(jù)信息處理主要為數(shù)據(jù)變換處理、誤差處理，其目的就是保證數(shù)據(jù)的一致性，降低污水處理過程的非線性，減少產(chǎn)生誤差的因素。其次，輔助變量選取主要就是類型、檢測(cè)點(diǎn)方位、數(shù)量等內(nèi)容的選取，需要基于靈活性、準(zhǔn)確性、特異性的原則展開。最后，軟測(cè)量模型構(gòu)建及在線校正，模型構(gòu)建形式有很多，主要有人工神經(jīng)網(wǎng)絡(luò)構(gòu)建法、回歸分析構(gòu)建法等。其中對(duì)于人工神經(jīng)網(wǎng)絡(luò)構(gòu)建法的研究最多。在構(gòu)建模型的時(shí)候，需要將模型辨識(shí)作為核心要素，并且對(duì)其進(jìn)行全面檢驗(yàn)，確保模型滿足預(yù)設(shè)標(biāo)準(zhǔn)要求，為污水處理的有序進(jìn)行奠定堅(jiān)實(shí)的基礎(chǔ)。

2污水處理過程中軟測(cè)量的具體應(yīng)用

2.1故障診斷中的應(yīng)用

在污水處理過程中，需要大量傳感器對(duì)運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，以此來保證處理過程的有序進(jìn)行。運(yùn)行狀態(tài)監(jiān)測(cè)本質(zhì)就是一種模式識(shí)別過程，指的就是將系統(tǒng)運(yùn)行狀態(tài)分成兩種情況，即正常運(yùn)行、異常運(yùn)行。所以，在污水處理過程中，需要利用模式分類方法，實(shí)現(xiàn)對(duì)處理過程的狀態(tài)監(jiān)測(cè)，為污水處理的有序進(jìn)行提供可靠保障。在有關(guān)研究[1]中，主要就是用SOM+PCA進(jìn)行多維數(shù)據(jù)的處理，用K均值算法予以模式識(shí)別，之后根據(jù)數(shù)據(jù)模式展開故障診斷。

針對(duì)基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的支持向量機(jī)方法因?yàn)榻Y(jié)構(gòu)簡(jiǎn)單，具有良好的全局性與推廣能力，使得軟測(cè)量故障診斷得到了有效研究。在有關(guān)研究[2]中，主要就是借助SVM+BP軟測(cè)量模型進(jìn)行二沉池SVI的預(yù)測(cè)，從而對(duì)污泥膨脹進(jìn)行判斷。然而，在實(shí)際運(yùn)用中，還是存在著一些不足，在運(yùn)用SVI的同時(shí)，忽視了SV、ZSV、絲狀菌長(zhǎng)度等因素，在判定污泥膨脹的時(shí)候，容易出現(xiàn)偏差。除此之外，在運(yùn)用支持向量機(jī)方法的時(shí)候，因?yàn)楦黝悇e樣本數(shù)大小不同，針對(duì)樣本數(shù)較大的類別來說，其訓(xùn)練誤差與預(yù)測(cè)誤差相對(duì)較小；針對(duì)樣本數(shù)較小的類別來說，其訓(xùn)練誤差與預(yù)測(cè)誤差相對(duì)較大。在具體情況中，特別是污水處理過程的狀態(tài)監(jiān)測(cè)而言，異常情況樣本數(shù)一直少于正常情況樣本數(shù)，所以，一定要盡量消除此種偏差，要不然就會(huì)增大異常情況的預(yù)測(cè)誤差，致使出現(xiàn)錯(cuò)誤判斷。

有關(guān)研究[3]顯示，為了對(duì)傳感器偏移情況進(jìn)行檢驗(yàn)，需要對(duì)比傳感器的實(shí)測(cè)值和軟傳感器的預(yù)測(cè)值，之后利用余差進(jìn)行故障驗(yàn)證。在用NLPCA、NNPLS模型進(jìn)行氮氧化物預(yù)測(cè)的時(shí)候，需要在傳感器失效之后，重構(gòu)數(shù)據(jù)，展開軟冗余。在用PLS模型進(jìn)行磷濃度與轉(zhuǎn)換率預(yù)測(cè)的時(shí)候，將其和羥基指標(biāo)進(jìn)行結(jié)合，對(duì)復(fù)雜間歇聚類過程故障予以診斷。在用KPLS模型進(jìn)行出水指標(biāo)預(yù)測(cè)的時(shí)候，還可以將其在毒性物質(zhì)流入優(yōu)化與現(xiàn)報(bào)過程中予以應(yīng)用。然而，用出水水質(zhì)預(yù)報(bào)毒性物質(zhì)流入的時(shí)候，會(huì)導(dǎo)致水力停留時(shí)間內(nèi)毒性物質(zhì)處在監(jiān)視盲區(qū)，并且出現(xiàn)異常漏報(bào)狀態(tài)。對(duì)此情況，需要進(jìn)行深入研究，進(jìn)一步拓展軟測(cè)量的應(yīng)用范圍。

2.2污水處理優(yōu)化中的應(yīng)用

2.2.1曝氣優(yōu)化應(yīng)用

在污水生化處理中，好氧反應(yīng)是非常重要的組成環(huán)節(jié)，在反應(yīng)過程中，大功率鼓風(fēng)機(jī)曝氣耗能與污水成本要求之間存在著很大的矛盾，一直以來都困擾著污水處理企業(yè)。尤其是污水中微生物對(duì)氧需求量隨環(huán)境、時(shí)間不斷變化的形勢(shì)下，氧少就會(huì)導(dǎo)致污泥膨脹與出水水質(zhì)降低，氧多不僅無法確保出水水質(zhì)，還會(huì)出現(xiàn)極大的資源浪費(fèi)現(xiàn)象。所以，需要對(duì)不同工況條件下的污水生化處理過程溶解氧模型進(jìn)行研究，尤其是優(yōu)化過程中難以測(cè)量變量的精確與實(shí)時(shí)測(cè)量，需要根據(jù)此變量及模型對(duì)鼓風(fēng)量予以低能耗優(yōu)化控制。

2.2.2藥品投放及其它優(yōu)化應(yīng)用

污水在經(jīng)過一級(jí)、二級(jí)處理之后，水質(zhì)改善情況相對(duì)明顯，細(xì)菌含量也會(huì)大幅度下降，但是其絕對(duì)值依然非常可觀，并且可能存在著很多病原菌，所以，在排放污水之間，需要對(duì)其進(jìn)行嚴(yán)格的消毒。然而，在投放氯的時(shí)候，必須保證適量。針對(duì)此類問題，有關(guān)研究[4]表明，將PH、ORP當(dāng)成是輸入神經(jīng)網(wǎng)絡(luò)軟測(cè)量，對(duì)大腸桿菌群數(shù)進(jìn)行預(yù)測(cè)，并且在氯化反應(yīng)與反氯化反應(yīng)中加入適當(dāng)?shù)穆龋源藖韺?shí)現(xiàn)節(jié)約成本的目的。除了在優(yōu)化加氯中應(yīng)用軟測(cè)量之外，還可以在SBR工藝循環(huán)時(shí)間估計(jì)中運(yùn)用軟測(cè)量。通過有關(guān)研究發(fā)現(xiàn)，在SBR工藝循環(huán)時(shí)間估計(jì)中運(yùn)用軟測(cè)量能夠彌補(bǔ)時(shí)間固定的缺陷，并且利用軟測(cè)量得到SBR各階段的最優(yōu)處理時(shí)長(zhǎng)，對(duì)整個(gè)SBR處理工藝進(jìn)行優(yōu)化。同時(shí)，有關(guān)研究結(jié)果顯示，將入水組分與流量當(dāng)成是輸入神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型，之后對(duì)入水組分變化進(jìn)行預(yù)測(cè)，將其運(yùn)用在污水處理過程優(yōu)化中。除此之外，充分利用軟測(cè)量對(duì)出水水質(zhì)參數(shù)進(jìn)行預(yù)測(cè)，并且將其成本與其它運(yùn)行成本建成評(píng)價(jià)函數(shù)，借助最優(yōu)化理論與方法，明確代價(jià)函數(shù)取最優(yōu)值，對(duì)污水處理過程參數(shù)予以優(yōu)化，保證污水處理過程的有序完成。

3 MW-LSSVR污水處理過程中的軟測(cè)量探析

污水處理作為環(huán)境保護(hù)的重要組成部分，COD、BOD等是污水處理效果的主要衡量指標(biāo)，因?yàn)閭鞲衅骷夹g(shù)的制約，導(dǎo)致這些參數(shù)大部分需要人工化驗(yàn)得知，不僅影響了污水處理效果，還制約了污水處理過程的自動(dòng)化發(fā)展。軟測(cè)量技術(shù)作為工業(yè)過程分析、控制、優(yōu)化的重要工具，是現(xiàn)階段工業(yè)傳感器數(shù)量與品種還不足的一種補(bǔ)充，在污水處理過程中，軟測(cè)量技術(shù)得到了一定的應(yīng)用，并且取得了良好的處理效果。

1995年，Corinna Cortes、Vapnik等提出了支持向量機(jī)的概念，其在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中[5]。最小二乘支持向量機(jī)（LSSVR）作為一種標(biāo)準(zhǔn)支持向量機(jī)，實(shí)現(xiàn)了計(jì)算機(jī)復(fù)雜性的簡(jiǎn)化，加快了求解速度，在智能控制中的應(yīng)用越來越普遍。然而，在實(shí)際應(yīng)用中，因?yàn)榛牟煌陚湫裕斐煞诸愔С窒蛄繖C(jī)無法接近任意分類界面，同時(shí)也無法接近任意目標(biāo)函數(shù)。在此基礎(chǔ)上，提出了多尺度小波最小二乘支持向量回歸機(jī)（MW-LSSVR），通過對(duì)二次優(yōu)化問題的求解，得到不同尺度參數(shù)，進(jìn)而構(gòu)建軟測(cè)量模型，實(shí)現(xiàn)對(duì)出水COD濃度、出水BOD濃度的在線預(yù)測(cè)，有效解決了COD、BOD的在線監(jiān)測(cè)問題[6]。

3.1選擇輸入輸出變量

在構(gòu)建COD、BOD軟測(cè)量模型的時(shí)候，需要對(duì)系統(tǒng)的過程輔助變量予以明確。輔助變量較多能夠更好的包涵污水處理信息，然而輸入變量太多就會(huì)增加數(shù)據(jù)處理工作量。根據(jù)經(jīng)驗(yàn)因素與有關(guān)文獻(xiàn)研究，將進(jìn)水COD濃度、進(jìn)水流量、進(jìn)水pH值、進(jìn)水溫度、好氧反應(yīng)區(qū)溶解氧濃度、污泥濃度當(dāng)做是模型的輔助變量，輸出變量為出水COD濃度、出水BOD濃度[7]。

3.2數(shù)據(jù)預(yù)處理

在明確重要輔助變量之后，展開預(yù)處理與尺度變換工作。在開展尺度變換工作的時(shí)候，主要將其轉(zhuǎn)變?yōu)閇0，1]或者[-1，1]的范圍[8]。在具體應(yīng)用中，可以根據(jù)公式（1）進(jìn)行數(shù)據(jù)變換：

（1）

式中Di'表示變換后得到的歸一化值，Di表示實(shí)際值，Dmin表示實(shí)際最小值，Dmax表示實(shí)際最大值。

3.3建立模型

輸入進(jìn)水COD濃度、進(jìn)水流量、進(jìn)水pH值、進(jìn)水溫度、好氧反應(yīng)區(qū)溶解氧濃度、污泥濃度向量，輸出COD濃度、BOD濃度向量，構(gòu)建簡(jiǎn)化模型，如圖1所示。

圖1 軟測(cè)量模型結(jié)構(gòu)圖

3.4實(shí)驗(yàn)結(jié)果分析

在運(yùn)用MW-LSSVR軟測(cè)量的時(shí)候，采集200組數(shù)據(jù)，將其中150組當(dāng)做訓(xùn)練樣本，50組當(dāng)做測(cè)試樣本。通過對(duì)訓(xùn)練數(shù)據(jù)的了解與支持向量參數(shù)的調(diào)整，得到優(yōu)化MW-LSSVR參數(shù)。

為了方便比較，在同樣訓(xùn)練與測(cè)試條件下，分別用LSSVR、W-LSSVR、MW-LSSVR對(duì)出水BOD濃度進(jìn)行建模測(cè)量。在運(yùn)用LSSVR進(jìn)行建模的時(shí)候，可以選用徑向基核函數(shù)，借助訓(xùn)練，在誤差符合要求的情況下，明確模型有關(guān)參數(shù)；在運(yùn)用W-LSSVR進(jìn)行建模的時(shí)候，可以選用小波核函數(shù)，借助訓(xùn)練，得到模型的有關(guān)參數(shù)[9]。通過LSSVR、W-LSSVR、MW-LSSVR三種模型的訓(xùn)練與測(cè)試，得到誤差結(jié)果如下表1所示。

從表1可知，雖然標(biāo)準(zhǔn)LSSVR的訓(xùn)練時(shí)間最少，但是其誤差最大。在樣本測(cè)試中，進(jìn)行擬合預(yù)測(cè)的時(shí)候，MW-LSSVR模型比W-LSSVR模型均方誤差性能指標(biāo)提高約11%，平均預(yù)測(cè)誤差提高約2%，在很大程度上，增加了模型訓(xùn)練時(shí)間。這是因?yàn)椋篗W-LSSVR模型采用的是多尺度方法測(cè)試。從而證明，MW-LSSVR模型的泛化能力、建模速度均要強(qiáng)于單尺度模型。

由上述分析可知，在污水處理中建模的時(shí)候，多尺度模型要比單尺度模型的精度更高，更能滿足污水處理多工況的要求；與此同時(shí)，從計(jì)算時(shí)間角度分析，多尺度模型所需要的時(shí)間要遠(yuǎn)遠(yuǎn)少于單尺度模型，充分體現(xiàn)了多尺度模型省時(shí)的優(yōu)勢(shì)，極大的增強(qiáng)了預(yù)測(cè)的實(shí)時(shí)性。針對(duì)污水處理這種隨天氣、晝夜變化而頻繁改變的工況系統(tǒng)而言，采用MW-LSSVR模型具有更好的實(shí)用價(jià)值[10]。

4 結(jié)語

總而言之，在污水處理過程中，存在著很多變量耦合、非線性等問題，為污水處理監(jiān)控工作帶來了很大的難度，必須予以深入分析。所以，在污水處理過程中，進(jìn)行軟測(cè)量的針對(duì)性應(yīng)用，可以實(shí)現(xiàn)對(duì)處理故障的診斷，并且對(duì)處理過程予以優(yōu)化，在一定程度上，提高了污水處理的社會(huì)效益與經(jīng)濟(jì)效益，促進(jìn)了污水處理企業(yè)的可持續(xù)發(fā)展。

參考文獻(xiàn)

[1] 黃道平，劉乙奇，李艷，等.軟測(cè)量在污水處理過程中的研究與應(yīng)用[J].化工學(xué)報(bào)，2011，62（1）：1-9.

[2] 劉乙奇，黃道平，李艷，等.基于改進(jìn)JIT算法的軟測(cè)量建模及其在污水處理中的應(yīng)用[J].華南理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，39（5）：55-60，67.

[3] 石芳.軟測(cè)量在污水處理過程中的研究與應(yīng)用[J].中國(guó)高新技術(shù)企業(yè)，2013（18）：76-77.

[4] 張昭昭.污水處理過程出水水質(zhì)多模型在線軟測(cè)量方法[J].控制工程，2014，21（1）：88-93.

[5] 宋劍杰.污水處理過程生化需氧量智能集成軟測(cè)量模型[J].自動(dòng)化儀表，2011，32（10）：42-45.

[6] 叢秋梅，苑明哲，王宏，等.基于穩(wěn)定Hammerstein模型的在線軟測(cè)量建模方法及應(yīng)用[J].化工學(xué)報(bào)，2015（4）：1380-1387.

[7] 賴惠鴿，朱學(xué)軍，俞金壽，等.基于智能算法的污水處理軟測(cè)量技術(shù)及其展望[J].化工自動(dòng)化及儀表，2011，38（3）：241-244，278.

[8] 叢秋梅，趙立杰，柴天佑，等.一類污水處理過程水質(zhì)多模型在線軟測(cè)量方法[J].東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，31（9）：1221-1225.

[9] 馬軍爽.污水處理出水水質(zhì)軟測(cè)量建模研究[J].微計(jì)算機(jī)信息，2010，26（1）：154-156.

[10] 黃銀蓉，張紹德.MIMO最小二乘支持向量機(jī)污水處理在線軟測(cè)量研究[J].自動(dòng)化與儀器儀表，2010（4）：15-17.