畜牧場污水中COD軟測量技術研究

鄭煜 汪秋婷

浙江大學城市學院，浙江杭州，310015

畜牧場污水中COD軟測量技術研究

鄭煜 汪秋婷

浙江大學城市學院，浙江杭州，310015

本文將軟測量技術應用于畜牧場污水COD檢測過程，從而有助于實現(xiàn)養(yǎng)殖污水化學需氧量濃度的在線檢測。在仿真實驗中，將神經(jīng)網(wǎng)絡快速修剪算法（OBS）應用于污水COD處理過程建模，并將獲得的相關實驗數(shù)據(jù)與普通處理方式進行比較。實驗結果表明本算法具有較精確的檢測結果，并且具有更快的收斂速度。

畜牧場污水；OBS算法；COD；軟測量

畜牧場污水屬于富含大量病原體的高濃度有機廢水，直接排放進入水體將可能造成地表水或地下水水質(zhì)的嚴重惡化。COD(化學需氧量)是反映水中可降解的有機物的含量的參數(shù)，是水質(zhì)評價的關鍵指標之一。污水處理技術，是指采用各種技術和手段，將污水中所含的污染物質(zhì)分離去除、回收利用或將其轉化為無害物質(zhì)，使污水得到凈化。軟測量技術，即將易測輔助變量的數(shù)據(jù)，與無法利用傳感器得知的主導變量建立軟測量的數(shù)學關系，并通過數(shù)學計算、估算等方法，測量出所需的主導變量。考慮到畜牧場污水中COD含量較高，智能建模一定程度上限制了對污水處理機理的研究，本文提出了一種基于OBS算法的污水COD處理過程建模，實驗結果表明該算法具有較精確的檢測結果，并且具有更快的收斂速度。

1 OBS算法

OBS算法是一種基于Hessia矩陣的網(wǎng)絡修剪算法。首先，構造誤差曲面的一個局部模型，分析權值的擾動所造成的影響。構造這樣一個模型結構的出發(fā)點是在運行點附近使用 Taylor級數(shù)給出代價函數(shù) 的局部逼近，并假設權值參數(shù)僅在訓練過程收斂之后才被從網(wǎng)絡中刪除，且包含局部最小或者全局最小的誤差曲面是近似“二次的”，因此，可以描述為：

其中，F(xiàn)是多層神經(jīng)網(wǎng)絡實現(xiàn)的輸入輸出映射函數(shù)，w是權向量，△w是權向量增量，二為網(wǎng)絡的輸入樣本，H是Hessian矩陣，N為訓練樣本總數(shù)，n為第n個樣本。

本文提出了一種神經(jīng)網(wǎng)絡算法，該算法針對網(wǎng)絡中的隱層神經(jīng)元i計算，利用與第i個神經(jīng)元相連的所有m個權值的均值計算，從而達到減小計算量，縮短程序運行時間的效果。假設：

公式(1)變?yōu)椋?/p>

其中，Hij是Hessian矩陣的第(i,j)個元素。這種針對某一隱層神經(jīng)元i計算Hij的方法，在保留了計算所需的必要信息的同時，減小了H矩陣的規(guī)模。此外，第i個神經(jīng)元的顯著性為:

2 污水COD軟測量技術

軟測量技術是利用易測過程變量與難以測量的待測過程變量之間的數(shù)學關系，通過各種數(shù)學計算和估計方法，從而實現(xiàn)對待測過程變量的測量。目前畜牧場的水質(zhì)COD等濃度參數(shù)大多靠人工化驗來確定，化驗結果不能實時提供。因此，本文將軟測量技術應用于污水處理過程，從而有助于實現(xiàn)COD濃度的在線檢測。在仿真實驗中，將OBS算法應用于畜牧污水COD處理過程建模，并將獲得的相關實驗數(shù)據(jù)與普通處理方式進行比較。

3 仿真結果

神經(jīng)網(wǎng)絡經(jīng)過OBS的檢測樣本仿真結果表1所示。仿真結果可見，經(jīng)OBS算法優(yōu)化后的網(wǎng)絡仍然具有更優(yōu)的泛化能力。在網(wǎng)絡初始結構極不合理的情況下，使用OBS算法仍然可以獲得較為滿意的修剪效果。以上實驗結果表明，與傳統(tǒng)污水處理方法相比，基于自組織神經(jīng)網(wǎng)絡的軟測量方法縮短了訓練時間，使得應用該方法的神經(jīng)網(wǎng)絡模型更有利于實現(xiàn)污水處理過程的實時監(jiān)測和預報。

表1 OBS算法和傳統(tǒng)算法的性能比較

4 結語

本文首先介紹基于神經(jīng)網(wǎng)絡的養(yǎng)殖污水處理過程的原理及其智能建模方法，在分析污前饋神經(jīng)網(wǎng)絡快速修剪算法在污水處理過程建模中的應用水處理過程控制現(xiàn)狀的基礎上，針對水質(zhì)關鍵參數(shù) COD 的測量問題，提出了一種基于OBS的軟測量方法，通過實際數(shù)據(jù)驗證，證明了模型的有效性。通過兩組仿真實驗，證明基于OBS的軟測量方法在處理污水COD性能上優(yōu)于傳統(tǒng)的軟測量方法。實驗結果表明：（1）在不同的網(wǎng)絡初始結構下均可獲得穩(wěn)定的修剪結果；（2）該算法可以獲得更簡單的神經(jīng)網(wǎng)絡結構，提高 COD 模型的在線學習能力，有效地預測出 COD 出水濃度值。

[1]羅飛,黃友新.基于神經(jīng)網(wǎng)絡的生化池污水毒性軟測量[J].自動化與儀表.2010(05):1-3.

[2]何艷偉.淺談城市污水再生利用現(xiàn)狀分析[J].民營科技.2014(08):252.

[3]周軍,王佳偉,應啟鋒,等.城市污水再生利用現(xiàn)狀分析[J].給水排水.2004(02):12-17.

[4]卿曉霞,余建平,王波.基于粗糙集-神經(jīng)網(wǎng)絡的污水參數(shù)軟測量技術研究[J].電氣自動化.2005(03):64-66.

[5]張志群,王梓先.活性污泥模型研究及其工藝軟件的發(fā)展[J].環(huán)境污染治理技術與設備.2001(06):38-44.

[6]張義勇,劉兵偉,覃麗,等.城市污水生態(tài)景觀回用現(xiàn)狀及安全保障技術[J].資源節(jié)約與環(huán)保.2016(01):167-168.

[7]宋民強.污水處理技術的工藝與設計[J].中外企業(yè)家.2016(05):125.

[8]張迎穎,丁為民,錢瑋燕,等.人工濕地污水處理技術的工藝與設計[J].工業(yè)用水與廢水.2009(01):5-10.

[9]呂美英.試論城市污水處理可持續(xù)發(fā)展工藝選型與技改方法[J].科技與企業(yè).2016(03):113.

[10]蔣晏平,紀鵬磊,于祥雷,等.城市污水冷熱資源規(guī)模化應用探討[J].建設科技.2012,(21):80-81.

[11]陳宏觀,孫小峰,楊曉君.系統(tǒng)科學視角下的城市污水可持續(xù)管理研究[J].四川環(huán)境.2011(01):76-80.

[12]王劍偉.城市污水再用于火電廠循環(huán)冷卻水的分析[J].內(nèi)蒙古科技與經(jīng)濟.2005(18):92-93.

[13]高峰.發(fā)達國家如何處理城市污水?[J].創(chuàng)新時代.2013(03):96-97.

[14]高文又.發(fā)達國家如何處理城市污水?[J].水利天地.2013(02):12-13.

鄭煜/1993年生/男/浙江杭州人/本科/研究方向為通信工程