【技术实现步骤摘要】
一种基于信息融合
‑
区间二型模糊神经网络的出水总磷智能检测方法
[0001]本专利技术在对污水处理过程运行特性进行分析的基础上,通过建立基于区间二型模糊神经网络的出水总磷智能检测模型,利用一种信息融合方法设计了模糊规则并对检测模型的参数和结构进行调整,实现出水总磷浓度的智能检测。这种基于信息融合
‑
区间二型模糊神经网络的出水总磷智能检测方法可以在获得紧凑的模型结构的前提下实现更加精确的出水总磷检测精度,属于水处理领域。
技术介绍
[0002]污水资源化利用的前提是需要保证污水经过处理后获得可达标排放的出水。从污水中提取其他资源和能源,对优化供水结构、增加水资源供给、缓解供需矛盾和减少水污染、保障水生态安全具有重要意义。因此,对污水处理过程的研究具有广阔的应用前景。
[0003]随着对污水处理过程的研究,污水部分有机物排放超标问题得到解决,但是氮、磷等污染物排放易超标问题仍丞待解决。地表水水源监测断面主要超标的指标为硫酸盐、高锰酸盐指数和总磷。因此,总磷浓度超标是当前污水处理厂的主要排放问题,同时污水处理中出水总磷的含量是衡量污水处理厂出水水质的重要指标。同时在多个行业标准、国家标准上也都将总磷排放浓度作为水质的重要衡量指标。因此,准确快速地检测出水总磷的浓度、及时处理降低出水总磷浓度对防治水体污染和资源循环利用具有重大意义。当前,污水处理厂主要通过使用在线总磷分析仪表可以实现出水水样的自动检测并且操作简单,但仪器购买和仪器维护成本较高。因此,人工神经网络成为检测出水总磷的有 ...
【技术保护点】
【技术特征摘要】
1.一种基于信息融合
‑
区间二型模糊神经网络的出水总磷智能检测方法,其特征在于,包括以下步骤:(1)选取出水总磷智能检测模型特征变量以污水处理过程为研究对象,选取溶解氧、氧化还原电位、固体悬浮物、进水小室pH值、氨氮、温度为影响出水总磷的特征变量;所有变量按公式(1)归一化,z
i
(t)=(D
i
(t)
‑
D
i,min
)/(D
i,max
‑
D
i,min
)
ꢀꢀꢀꢀ
(1)其中,D1(t)为t时刻溶解氧浓度,单位毫克/升,D2(t)为t时刻氧化还原电位,单位毫伏,D3(t)为t时刻固体悬浮物浓度,单位毫克/升,D4(t)为t时刻进水小室pH,D5(t)为t时刻氨氮浓度,单位毫克/升,D6(t)为t时刻温度,单位摄氏度,D7(t)为t时刻出水总磷浓度,单位毫克/升,D
i,min
为第i个变量的最小值,D
i,max
为第i个变量的最大值;i=1,
…
,7;x1(t)=z1(t)为t时刻归一化溶解氧,x2(t)=z2(t)为t时刻归一化氧化还原电位,x3(t)=z3(t)为t时刻归一化固体悬浮物,x4(t)=z4(t)为t时刻归一化进水小室pH,x5(t)=z5(t)为t时刻归一化氨氮,x6(t)=z6(t)为t时刻归一化温度,为t时刻归一化总磷浓度,Z为训练样本总数,t=1,2,...,Z;(2)建立出水总磷智能检测模型出水总磷智能检测模型利用区间二型模糊神经网络进行建立,区间二型模糊神经网络包括输入层、隶属函数层、激活层、后件层和输出层;输入层:由6个神经元组成,输入变量为x1(t),x2(t),x3(t),x4(t),x5(t),x6(t);隶属函数层:由P个神经元组成,P为[2,20]中的整数,隶属函数层每个神经元输出是一个区间:个区间:其中,μ
1ij
(t)是t时刻第i个输入第j个神经元上界输出,μ
2ij
(t)是t时刻第i个输入第j个神经元下界输出,m
ij
(t)是t时刻第i个输入第j个神经元的上中心,c
ij
(t)是t时刻第i个输入第j个神经元的下中心,σ
ij
(t)是t时刻第i个输入第j个神经元的宽度,i=1,
…
,6;j=1,
…
,P;激活层:由Q个神经元组成,且Q=P,激活层上界输出和下界输出表示为:元组成,且Q=P,激活层上界输出和下界输出表示为:其中,f
1j
(t)是t时刻第j个神经元的上界输出,f
2j
(t)是t时刻第j个神经元的下界输出;后件层:由2个神经元组成,后件层输出表示为:
其中,y1(t)是t时刻上输出值,y2(t)是t时刻下输出值,w
j
(t)是t时刻第j个神经元的权重,a
ij
(t)是t时刻对应第j个神经元的第i个输入的权重系数,b
j
(t)是t时刻第j个神经元的偏差;输出层:由1个神经元组成,输出层输出表示为:y(t)=q(t)y2(t)+(1
‑
q(t))y1(t)
ꢀꢀꢀꢀ
(9)其中,y(t)为t时刻区间二型模糊神经网络的预测输出,q(t)是t时刻比例系数;(3)基于信息融合的出水总磷智能检测模型参数调整
①
基于区间二型模糊神经网络的检测模型初始化:设当前时刻t=1,区间二型模糊神经网络的初始上中心m
ij
(1)在[0,1]中随机取值,初始下中心c
ij
(1)=0.5m
ij
(1),初始宽度σ
ij
(1)=1,初始权重a
ij
(1)在[
‑
1,1]中随机取值,初始偏差b
j
(1)在[
‑
1,1]中随机取值,i=1,
…
,6;j=1,
…
,P;初始比例系数q(1)=0.5;阈值为E
d
,E
d
为小于0.01的正数;
②
优化区间二型模糊神经网络的参数:定义区间二型模糊神经网络的规则激活函数为:其中,f
j
(t)=0.5f
1j
(t)+0.5f
2j
(t),g(t)为t时刻规则激活函数;利用二阶算法更新前件参数其中,t时刻规则激活函数参数Θ
I
(t)=[m
11
(t),...,m
6P
(t),c
11
(t),...,c
6P
(t),σ
11
(t),...,σ
6P
(t)],t+1时刻规则激活函数参数Θ
I
(t+1)=[m
11
(t+1),...,m
6P
(t+1),c
11
(t+1),....
【专利技术属性】
技术研发人员:韩红桂,孙晨暄,伍小龙,乔俊飞,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。