基于LSSVM與NSGA-Ⅱ的反硝化-Anammox工藝協同優化研究

段佩，張鋒，崔宏志，杜妍

摘要：針對反硝化-Anammox工藝中整體脫氮除碳能力較低的問題，提出基于LSSVM與NSGA-Ⅱ構建廢水脫氮除碳處理的多目標優化模型。利用基于LSSVM的軟測量方法進行脫氮除碳結果的相關變量的預測，通過NSGA-Ⅱ算法求解反硝化-Anammox工藝的全局最佳進水條件的解集。經仿真實驗證明，通過LSSVM預測的CODrem等相關變量與真實值的誤差較小，基本滿足預測需求。按照優化模型求解出的帕累托解集進行廢水脫氮除碳處理，在NH3-N的去除率達到90.67%的同時，對TN、COD的去除率分別為80.21%、85.73%，氮、碳2種元素的整體去除率為85.54%，能夠滿足反硝化-Anammox工藝協同優化的需求。

關鍵詞：LSSVM；NSGA-Ⅱ算法；厭氧氨氧化工藝；反硝化過程；協同優化

中圖分類號：TQ340.9；X701

文獻標志碼：A文章編號：1001-5922（2023）12-0131-04

Research on collaborative optimization of denitrification-Anammox process based on LSSVM and NSGA-Ⅱ

DUAN Pei1，ZHANG Feng1，CUI Hongzhi1，DU Yan2

（1.Shangluo vocational and Technical College，Weinan 726000，Shaanxi China;

2.Shaanxi Provincial Environmental Investigation and Assessment Center，Xian? 710061，China）

Abstract：To solve the problem of low overall nitrogen and carbon removal capacity in denitrification-Anammox process，a multi-objective optimization model for wastewater nitrogen and carbon removal was proposed based on LSSVM and NSGA-Ⅱ.The LSSVM-based soft measurement method was used to predict the relevant variables of the denitrification and carbon removal results，and the solution set of the global optimal influent conditions of the denitrification-Anammox process was solved by the NSGA-II algorithm.The simulation experiment showed that the error between CODrem and other related variables predicted by LSSVM and the real value was small，which basically met the prediction requirements.According to the Pareto solution set solved by the multi-objective optimization model，the wastewater was treated with nitrogen and carbon removal，the removal rate of NH3-N was 90.67%，while the removal rate of TN and COD was 80.21% and 85.73%，respectively.The overall removal rate of nitrogen and carbon was 85.54%，which could meet the requirements of collaborative optimization of denitrification-Anammox process.

Key words：LSSVM;NSGA-Ⅱ algorithm;anammox process;denitrification process;collaborative optimization

厭氧氨氧化（Anaerobic Ammonium Oxidation，Anammox）工藝是廢水處理的重要工藝之一，該工藝能夠有效除去廢水中NO-3、NO-2、NH-3—N等氮元素污染物，且處理過程所需的能耗低、不存在二次污染等優勢。而在嚴子春等的研究中證明，反硝化細菌會利用廢水中的有機物奪取Anammox菌的無氧呼吸的原料NO-3、NO-2等離子，在一定程度上抑制脫氮過程，同時反硝化細菌的呼吸會產生CO2，在廢水中的有機物含量較低時，這些CO2會作為無機碳原被Anammox菌利用，使其增殖富集能力得到提高。據研究可知，Anammox菌增殖富集能力的提升會提高其脫氮能力。因此，有學者提出反硝化-Anammox工藝，對脫氮的Anammox過程與除碳的協調反硝化過程進行協同優化，在有效去除廢水氮元素污染物的同時，去除一定量的有機碳元素。基于此，有學者驗證了不同氧當量（COD）濃度的脫氮除碳效果；在含有有機物的廢水中加入木炭，能夠有效提高廢水總氮（TN）的去除率；培養出脫氮除甲烷的耦合顆粒污泥。結合文獻～文獻的研究，提出基于LSSVM與NSGA-Ⅱ構建多目標優化模型，以求解影響脫氮除碳過程的全局最佳進水條件的解集，進而實現對反硝化-Anammox工藝的協同優化。

1基于LSSVM與NSGA-Ⅱ的反硝化-Anammox工藝協同優化模型

考慮到廢水進水條件會影響反硝化-Anammox工藝脫氮除碳2個過程，且2個過程存在耦合與競爭的關系，無法準確用數學模型進行描述，但其影響因素和其過程結果存在相對復雜的非線性關系，可通過軟測量的方式進行結果的相關變量的預測。經多方考慮，選擇以有機物的氧當量（COD）去除值（CODrem）來反映反硝化過程的結果，以NH3-N的去除質量濃度（CN，rem）、總氮（TN）去除質量濃度（CTN，rem）來反映反硝化過程的結果，并基于最小二乘支持向量機（LSSVM）的軟測量方法構建水質預測模型，以實現對上述結果的預測。最后通過非支配遺傳算法（NSGA-Ⅱ）求解廢水進水的最佳條件，實現對反硝化-Anammox工藝協同優化。

1.1基于LSSVM的水質預測模型

在基于LSSVM的水質預測模型，將影響反硝化-Anammox工藝脫氮除碳過程的可調節的各個廢水進水條件（以下簡稱進水條件）看作基于LSSVM的軟測量模型中的已知變量，將CODrem、CN，rem、CTN，rem數值看作預測變量，構建的LSSVM的軟測量模型，其構建過程；首先采集各個影響因素在不同取值下的相關數據信息，并標注其對應的CODrem、CN，rem、CTN，rem數值，得到多個帶標簽的樣本；然后在MATLAB2016a環境下，對LSSVM進行編程，并抽多個樣本對LSSVM進行訓練，即完成水質預測模型的構建；最后還可通過剩下的樣本進行模型測試，以確定模型的性能。

1.2 基于NSGA-Ⅱ的多目標優化模型

（1）根據多目標求解問題的影響因素確定初始種群的數量N，并初始化種群，設定種群中每個個體的距離為0，初始擁擠度為1。

（2）根據預測變量，確定多目標優化目標函數和約束條件。在反硝化-Anammox工藝的協同優化問題中，其目標函數

（fm）可表示為：

fm=f1（CN，rem）=sim（model1，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CCOD，rem）=sim（model2，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CTN，rem）=sim（model3，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）（1）

式中：［］里的內容為各個進水條件；model表示預測模型；CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin分別表示廢水進水處的NH3-N質量濃度、NO2-質量濃度、COD含量、pH值。

約束條件C為：

C： 0CNH+4-N，in3200CNO-2-N，in4200CCOD，in12107.3PHin7.8（2）

（3）求解種群中每個個體的非支配解，再對這些解進行排序，最后計算每個個體的擁擠度。

在廢水脫氮除碳處理的多目標優化問題中，目標函數邊緣上的個體di的擁擠度為：

I（di）=

SymboleB@

（3）

式中：I表示個體擁擠度。

其余個體的dk的擁擠度為：

I′（dk）=I（dk）+I（dk+1）-I（dk-1）fm，max-fm，min（4）

式中：I′表示迭代更新后的擁擠度；k表示該個體在迭代前的排序序號；fm，max、fm，min分別表示非支配解fm的最大、最小值。

（4）為使所得最優解跳出局部最優的困境，采用模擬二進制交叉和多項式變異的舉措進行種群個體的基因重組。

（5）合并基因重組前后的所有個體，組成新的種群，再次執行“（3）～（4）”，達到設定的最大迭代次數后，輸出各個群眾的全局最佳支配解組成的集合，完成對多目標優化問題的求解。

2實驗驗證

2.1實驗條件及相關參數設置

選擇在實驗室環境下采用UASB反應器執行反硝化-Anammox工藝，在調節影響因素的取值后連續運行107 d，記錄相關影響因素的取值和脫氮除碳結果的相關變量的信息。經過多次實驗，共獲得140組樣本。選擇在MATLAB中進行算法編程和算法仿真實驗。設置LSSVM的核寬度為（0，100）、懲罰因子為（0，1 000）。設置NSGA-Ⅱ算法的相關參數，結果如表1所示。

2.2基于LSSVM的水質預測模型性能驗證

選擇通過網格搜索法和10倍交叉驗證方法選取LSSVM的懲罰因子（γ）和徑向基核函數的核寬度（σ2）的最佳取值。經實驗，確定CODrem、CN，rem、CTN，rem3個預測模型的γ最佳取值分別為142.527、42.357、33.246;σ2最佳取值分別為1.376、0.167、0.425。

在進行基于LSSVM的水質預測模型性能驗證實驗時，隨機抽取100組組成訓練集，其余樣本組成測試集，經仿真實驗，獲得基于LSSVM的水質預測模型的CODrem、CN，rem、CTN，rem3個預測模型的訓練與測試結果如圖1所示。

由圖1可知，前120組樣本為模型訓練結果，后20組樣本為模型測試結果；結合圖1，經統計學分析和計算，獲得水質預測模型的預測性能結果，具體如表2所示。

由圖3、表2可知，基于LSSVM的軟測量方法，在訓練過程中即具有較高的預測準確度，經訓練后，基于LSSVM的水質預測模型對CODrem、CN，rem、CTN，rem3種變量都具有較好的預測準確度，其均方根誤差在26以下，最小的相對百分誤差絕對值的平均值在0.17以下，相關系數最高可達到0.996 9。因此，基于LSSVM的水質預測模型對CODrem、CN，rem、CTN，rem3種變量具有較高的預測準確度，基本能夠滿足水質預測需求。

2.3基于LSSVM與NSGA-Ⅱ的廢水脫氮除碳處理多目標優化實驗

在該實驗中，將140組樣本全部作為訓練樣本，以保證求解出的影響因素解集的全局最優屬性。選擇將CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin作為輸入變量，經500迭代，獲得共65組帕累托解集，對應的CODrem、CN，rem、CTN，rem3種變量的關系圖如圖2所示;3種變量局部和全局去除率最高的累托解集如表3所示。

由圖2可知，在廢水脫氮除碳處理的帕累托解集中，CNH+4-N，in的取值在270、420 mg/L的2條線附近；CNO-2-N，in的取值大致位于210 ～290 mg/L；CCOD，in取值在300 mg/L附近，pHin無集中分布的取值。

在表3的4組解集中，CNO-2-N，in的變化對CODrem、CN，rem、CTN，rem3種變量的影響不明顯；隨著CCOD，in，CODrem增加，CN，rem先降低后回升，CTN，rem在不斷下降，證明厭氧氨氧化過程與反硝化過程存在協同關系。

在實際廢水處理中，往往需要NH3-N的去除率較高，即CN，rem/CNH+4-N，in的比值最大。結合表3可知，CCOD，in/CNH+4-N，in、CCOD，in/CNH+4-N，in2個比值的減小及CNH+4-N，in/CNO-2-N，in比值的增大，都能夠有效提升CN，rem/CNH+4-N，in的比值。通過對65組帕累托解集的分析可知，表3中的第4組解集的CN，rem/CNH+4-N，in的比值最大，在該廢水進水條件下，NH3-N、TN、COD的去除率分別為90.67%、80.21%、85.73%，氮元素和有機碳元素的整體去除率為85.54%，具有較高的脫氮除碳能力。

3結語

研究將LSSVM用于廢水脫氮除碳處理后的CODrem、CN，rem、CTN，rem等變量的預測，并將NSGA-Ⅱ算法用于廢水脫氮除碳處理中厭氧氨氧化過程與反硝化過程的協同優化求解。經仿真實驗可知，基于LSSVM的軟測量方法能夠實現對CODrem等變量的準確預測，且預測精度都高于98%，按照NSGA-Ⅱ算法求解出的某個帕累托解集進行廢水脫氮除碳實驗，能夠除去廢水中大量的NH3-N、TN和COD。因此，通過基于LSSVM與NSGA-Ⅱ的廢水脫氮除碳處理多目標優化模型求解廢水進水的最佳條件，具有一定的研究價值。

【參考文獻】

[1]嚴子春，唐瑞祥，吳大冰.有機物對厭氧氨氧化生物膜反應器脫氮效能及微生物群落的影響.環境科學學報，2021，41（4）：1303-1308.

[2]吳珊，王淑雅，王芬，等.溫度對ANAMMOX生物膜工藝的脫氮影響與菌群結構分析.環境科學，2022，43（1）：416-423.

[4]常堯楓，郭萌蕾，謝軍祥，等.厭氧氨氧化脫氮除碳功能菌群結構及代謝途徑.中國環境科學，2022，42（3）：1138-1145.

[5]劉春爽，李偉，于海彤，等.反硝化厭氧甲烷氧化與厭氧氨氧化耦合顆粒污泥脫氮效能.中國石油大學學報（自然科學版），2022，46（1）：177-182.

[6]靳翱瑋，廖方新，孫遠博，等.序批式運行Anammox顆粒污泥的有機碳源脅迫效應.中國給水排水，2022，38（3）：14-20.

[7]陳重軍，曹茜斐，鄒馨怡，等.厭氧氨氧化顆粒污泥EPS的作用、成分及影響因素研究進展.環境工程學報，2022，16（2）：381-389.

[8]杜睿，彭永臻.城市污水生物脫氮技術變革：厭氧氨氧化的研究與實踐新進展.中國科學：技術科學，2022，52（3）：389-402.

[9]王振毅，李欣宇，趙大密，等.厭氧氨氧化耦合反硝化技術反應機理及其影響因素研究進展.煤炭與化工，2021，44（5）：120-124.

[10]趙杰俊，劉祖文，蔡曉媛，等.短程硝化-厭氧氨氧化工藝控制方法與機理分析.工業水處理，2021（4）：36-43.

[11]吳莉娜，王春艷，閆志斌，等.短程反硝化-厭氧氨氧化在廢水中的應用進展.科學技術與工程，2022，22（10）：3859-3867.

[12]梁金祿.高含硫氣田集輸管線內腐蝕預測研究 .粘接，2020，41 （2）：138-141.

[13]張錦濤.混合智能算法在廢水處理過程多目標優化的研究.廣州：華南理工大學，2020.

[14]吳濤.基于特征提取和半監督學習的圖像分類算法.粘接，2021，48 （11）：92-97.

[15]張秋瑩，李亮，邊笛.有機物對ANAMMOX反應影響的研究進展.環境工程，2022，40（1）：190-195.