基于神经网络分类器的城市污水处理厂水力冲击预警系统.pdfVIP

第 ３５ 卷第 ４ 期 环　 境　 科　 学　 学　 报 Ｖｏｌ．３５，Ｎｏ．４ ２０１５年４月 　Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ Ａｐｒ．，２０１５ ＤＯＩ：１０．１３６７１／ｊ．ｈｊｋｘｘｂ．２０１４．０８５９ 申浩洋，韦安磊，李楠楠，等．２０１５．基于神经网络分类器的城市污水处理厂水力冲击预警系统［Ｊ］．环境科学学报，３５（４）：１２２４⁃１２３２ Ｓｈｅｎ ＨＹ，Ｗｅｉ Ａ Ｌ，Ｌｉ Ｎ Ｎ，ｅｔ ａｌ． ２０１５．Ａｎ ｅａｒｌｙ⁃ｗａｒｎｉｎｇ ｓｙｓｔｅｍ ｆｏｒ ｈｙｄｒａｕｌｉｃ ｓｈｏｃｋ ｌｏａｄｓ ｉｎ ｗａｓｔｅｗａｔｅｒ ｔｒｅａｔｍｅｎｔ ｐｌａｎｔｓ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃｌａｓｓｉｆｉｅｒｓ［Ｊ］．Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ，３５（４）：１２２４⁃１２３２ 基于神经网络分类器的城市污水处理厂水力冲击预 警系统 １，２ １，∗ ２ １ １ ２ 申浩洋 ，韦安磊 ，李楠楠 ，王伯铎 ，王小文 ，罗锋 １． 西北大学城市与环境学院，西安７１０１２７ ２． 西南大学资源环境学院生物能源与环境修复研究中心，重庆４００７１６ 收稿日期：２０１４⁃０６⁃２６　 　 　 修回日期：２０１４⁃０８⁃０３　 　 　 录用日期：２０１４⁃０８⁃０３ 摘要：提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统，以期对进水水量骤增现象进行提前 １天的预报，使污水处理 厂可根据预报结果提前采取水力冲击防护措施，从而保证各单元的平稳运行．根据进水水量的涨幅将某污水处理厂 １２年日进水水量监测数据 分为“常规”和“冲击”两类，重点对“冲击”数据进行提前 １天的预测，并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价；同 时，基于同样的建模方法和不同的训练、验证样本建立了Ｎ（１）、Ｎ（２）和Ｎ（３）３个平行模型，以对模型的鲁棒性和建模方法的可重复性进行考 察．结果显示，３个模型对２０１０年、２０１１年和２０１２年３年测试样本的预测效果良好，冲击漏报率和报准率两项指标数值均较为稳定，分别在０～ ０．１６７和０．９８１～０．９９５之间浮动，冲击误报率虽然在数值上的浮动较大，最低为０．１４３，最高为０．５００，平均为０．３１０，但仍在工程上的可承受范围 内．该结果表明，本研究基于神经网络分类器所建立的３个神经网络模型预测精度高、鲁棒性好，显示出良好的性能，有望为污水处理厂水力冲 击防护工作提供有力参考． 关键词：人工神经网络；水力冲击负荷；城市污水处理厂；日进水量；时间序列 文章编号：０２５３⁃２４６８（２０１５）０４⁃１２２４⁃０９　 　 　 中图分类号：Ｘ３２　 　 　 文献标识码：Ａ Ａｎ ｅａｒｌｙ⁃ｗａｒｎｉｎｇ ｓｙｓｔｅｍ ｆｏｒ ｈｙｄｒａｕｌｉｃ ｓｈｏｃｋ ｌｏａｄｓ ｉｎ ｗａｓｔｅｗａｔｅｒ ｔｒｅａｔｍｅｎｔ ｐｌａｎｔｓ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃｌａｓｓｉｆｉｅｒｓ １，２ １，∗ ２ １ １ ２ ＳＨＥＮ Ｈａｏｙａｎｇ ，ＷＥＩ Ａｎｌｅｉ ，ＬＩ Ｎａｎｎａｎ ，ＷＡＮＧ Ｂｏｄｕｏ ，ＷＡＮＧ Ｘｉａｏｗｅｎ ，ＬＵＯ Ｆｅｎｇ １． Ｃｏｌｌｅｇｅ ｏｆ Ｕｒｂａｎ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ，Ｎｏｒｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ′ａｎ７１０１２７ ２． Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｂｉｏｅｎｅｒｇｙ ＆ Ｂｉｏｒｅｍｅｄｉａｔｉｏｎ，Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４００７１６ Ｒｅｃｅｉｖｅｄ ２６Ｊｕｎｅ２０１４；　 　 　 ｒｅｃｅｉｖｅｄ ｉｎ ｒｅｖｉｓｅｄ ｆｏｒｍ ３ Ａｕｇｕｓｔ ２０１４；　 　 　 ａｃｃｅｐｔｅｄ ３ Ａｕｇｕｓ