混合神经网络在污水毒性预测中的应用.pdfVIP

第 2期 廖雪平等．混合神经网络在污水毒性预测 中的应用 2l1 混合神经网络在污水毒性预测中的应用 廖雪平 ，罗 飞 (华南理工大学 自动化科学与工程学 院，广州 510640) 摘要 ： 分析 了污水处理厂污水毒性对其它3-．艺参数 的影响，选取 DO、ORP、NH4一N及 COD等过程参数为毒 性测量的辅助变量。介绍了粒子群算法和混沌算法，运用混沌粒子群算法和 BP算法相结合 的混合神经网络 ，对 生化池污水毒性进行预测 ，实现毒性的定量测量和报警。仿真结果表 明，混合神经网络 的泛化性能和时间复杂度 要优 于 BP神 经 网络 。 关键词： 污水毒性；混沌粒子群 ；混合神经网络 中图分类号 ：TP183 文献标识码 ：A 文章编号 ：1000—3932(2011)02—0211—04 在 当前国内的污水处理厂中，大多采用活性 氧化还原反应和硝化反应会受到抑制 ，因此生化 污泥法对污水进行处理 。污水处理厂收集的污水 池的 ORP值和 NH4-N值也可 以用 于 问接测量活 有时会有较高 的毒性 ，这类有毒污水进入生化 性污泥的中毒情况。另外 ，污水 的pH值 也会对 池，会导致活性污泥中毒 ，引起活性污泥活性下降 污水毒性产生影 响，如 pH值可以影响水 中阴阳 甚至失活 ，影响水处理的效率 ，给污水处理厂带来 离子的毒性 ，但它跟污水毒性 的相关性不如上面 严重的经济损失 ’。因此 ，需要在 活性污泥工 几个参数 。综合上述分析，选择生化池 的 DO、 艺 中设置预警系统 ，对污水 的毒性进行分析及监 COD、ORP、和 NH4一N作 为神经 网络 的输入 ，生化 测 。笔者先分析 了活性污泥中毒时生化池各工艺 池污水毒性 (以致死率表示 ，单位为％)为神经网 参数的变化 ，选择合适的参数为预测污水毒性 的 络的输 出。 辅助变量。接着介绍 了混沌粒子群算法 ，并将其 2 混沌粒子群 ·BP神经网络 与 BP算法相结合 ，用于训练神经 网络 。最后对 2．1 神经网络的结构 污水毒性预测效果进行了测试和对比分析 。 前馈网络在适当选择 网络层次与隐节点数条 1 毒性测量的辅助变量选择 件下可 以任意精度逼近非线性函数 。这里选用 3 对辅助变量的选 择 ，一般是根据工艺机理分 层的前 向神经 网络 ，节点激活 函数采用 Sigmoid 析 ，在可测变量集中选择所有与主导变量相关 的 函数 。其 网络拓扑结构如图1所示 。 初始辅助变量 ，然后根据灵敏性 、特异性 、工程适 用性 、精确性和鲁棒性 的原则选择最终 的辅助变 量 。这里根据生化池污水毒性与生化池其它工 艺参数之间的相关性选择辅助变量 。 呼吸速率是表征活性污泥生物活性的一个非 常重要 的参数之一。当活性污泥开始 中毒 时，呼 吸速率就会降低 ，DO的消耗就会减少 ；当活性污 图 1 神经 网络拓扑结构 泥发生 中毒死亡时 ，随着活体细菌的减少 ，消耗溶 解氧的主体也在减少 ，生化池混合液 中的DO在 输入层含有 4个 节点 ，编号 为 1～4，分别 代 曝气量不变 的情况下逐 渐上升 。因此 ，DO发生 表生化池 的 ORP、COD、NH4一N和 DO；隐含层含 异常升高时，就有可能是活性污泥开始 中毒。活 有 9个节点 ，编