System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及污水处理技术,尤其是涉及一种基于支持向量机(svm)的fa/fna智能切换nob抑制方法。
技术介绍
1、短程硝化厌氧氨氧化工艺(pn/a)是近些年来新兴的生物脱氮工艺,和传统的生物处理工艺相比,能够减少100%的碳源投加,90%的剩余污泥产量和60%的曝气能耗,被视为是传统生物脱氮工艺的替代工艺。
2、在短程硝化工艺(pn)中,好氧氨氧化菌(aob)能够将氨氮氧化为亚硝态氮,随后亚硝态氮和氨氮作为底物,参与到后续的厌氧氨氧化反应中。然而,在短程硝化过程中,亚硝酸盐氧化菌(nob)的存在会进一步将亚硝态氮氧化为硝态氮,从而减少了厌氧氨氧化反应所需的底物供应。这种会对pn/a工艺的稳定运行构成威胁。因此,如何稳定地抑制nob的活性成为了pn/a工艺能否稳定运行的关键。
3、近些年来一些研究表明游离氨(fa)和游离亚硝酸(fna)的交替抑制是抑制nob生长的有效手段。通过两种抑制方法之间的来回切换,可以避免nob对长期单一抑制方法产生适应性,进而对nob的活性产生长期抑制。但目前fa/fna交替抑制方法主要靠人为操作,通过人为判断出水水质是否满足要求从而决定是否进行抑制方法的切换。策略切换的判断标准主要为出水的硝态氮浓度或者亚硝态氮积累率(nar),但在线硝态氮分析仪的价格昂贵,使得这些判断标准难以在线测得,进而使得fa/fna交替抑制难以实现自动化推广。然而这些评判指标除了可以通过测量硝态氮浓度直接反映外,还可以通过测量其他水质指标间接反映。这些水质指标较易通过常规的在线监测仪表获得,如ph、
4、近年来,得益于其强大的数据处理能力和变量关系洞察能力,机器学习在水质预测和工艺决策预警等方面的应用日益增多。其中,支持向量机(svm)是一种用于分类和回归分析的机器学习方法,基于统计学习理论和数据间隔最大化的原则,将不同类别的样本点尽可能地分开。对于线性可分问题,svm具有出色的分类表现,在决策预警领域有着广泛的应用,如出水水质是否出现异常,判断是否进行工艺操作等。因此,使用svm判断是否需要进行抑制方法的切换具有较高的可行性,对fa/fna交替抑制实现自动化具有实际意义。这不仅能够提高工艺的效率和稳定性,还能进一步降低运营成本,推动pn/a工艺在实际应用中的推广。
技术实现思路
1、针对在fa/fna交替抑制中抑制方法切换标准难以直接在线测量的问题,本专利技术提供了一种基于svm的fa/fna智能切换nob抑制方法,用207天的反应器运行数据训练svm分类模型,并利用优化算法优化模型结构,使得训练得到的模型能够准确判断出水nar是否低于96%,进而决定是否进行抑制方法的切换,确保了短程硝化过程中nob的长期稳定抑制,为实现fa/fna交替抑制方法的自动化运行提供了技术支持。
2、为实现上述目的,本专利技术提供的一种基于svm的fa/fna智能切换nob抑制方法,包括以下步骤:
3、搭建一连续流短程硝化反应器,并使其处于不同fa、fna浓度下运行;fa、fna的计算公式如下,因此可以通过加碱泵控制反应器ph,进而控制反应器的fa和fna浓度;收集反应器在不同fa、fna浓度下的运行参数及进出水水质数据用于训练svm分类器。
4、
5、
6、进一步地,在线ph计、在线do检测仪、进水泵频率等运行数据通过控制单元传入客户端数据库;
7、进一步地,通过分光光度计测量出水硝态氮浓度,并计算亚硝态氮积累率nar;
8、进一步地,根据上一步得到的nar对收集到的207天数据进行标注,将nar高于96%的样品集标注为0,将nar低于96%的样品集标注为1;
9、进一步地,选取曝气量、曝气系数、do、进水氨氮浓度,氨氧化率和出水亚硝态氮浓度作为模型的输入,利用上一步分类好的数据训练svm分类器,并利用网格搜索交叉验证优化算法优化模型,提高模型的预测精度;
10、进一步地,在控制单元编写控制程序,使svm模型输出为0时对应的控制程序为fna抑制,输出为1时对应的程序为fa抑制;
11、进一步地,利用训练好的svm模型对fa/fna交替抑制方法进行实时决策,通过控制单元实现数据的传输和fa、fna浓度的控制,实现fa/fna抑制方法的智能切换。
12、技术效果
13、本专利技术提出一种基于svm的fa/fna智能切换nob抑制方法,将反应器的运行参数和进出水的水质数据通过控制单元输入到训练好的svm分类模型中,能够通过常规的在线监测仪表数据来实现对出水nar的判断,进而对是否需要切换抑制方法进行决策,实现对nob的长期有效抑制和短程硝化过程的长期稳定运行。
14、(1)本专利技术引入的svm分类模型,能够分析学习不同数据变量之间的关系,利用易测得的水质数据和运行参数对出水nar进行判断,进而决定是否对抑制方法进行切换。经过网格搜索交叉验证优化后的svm分类器,准确率达到了0.90,f1分数为0.92,取得了很好的预测效果。与传统的依靠人为判断的fa/fna交替抑制方法相比,本专利技术提出的智能切换抑制方法能够在不具备在线硝态氮分析仪等额外设备的情况下预测出水nar是否低于96%,并自行判断是否需要切换抑制方法,使污水处理厂在目前已有设备的基础上实现fa/fna交替抑制成为了可能。
15、(2)本专利技术的控制单元可根据svm分类器的输出结果自动执行不同的抑制方法,实现fa抑制和fna抑制之间的自动切换。通过在控制程序中预设fa和fna的抑制浓度,控制单元控制加碱泵来调节ph,进而达到预定的抑制浓度。同时考虑到短程硝化消耗碱度的情况,本专利技术将fna抑制作为长期抑制方法,fa抑制作为短期抑制方法。这样可以在保证抑制nob的同时减少碱量投加,极大的降低了运行成本。
16、结合以上优点,本专利技术提出的一种基于svm的fa/fna智能切换nob抑制方法具有高准确率、可普及性和降低运行成本等显著的技术效果,能够有效解决现有fa/fna交替抑制方法需要人为干预的问题,能够实现抑制方法的决策和自动切换,为fa/fna交替抑制方法的自动化运行提供了重要的技术支持。
本文档来自技高网...【技术保护点】
1.一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,利用SVM分类器实现对连续流短程硝化反应器中的NOB抑制方法的决策预警,实现短程硝化过程中NOB抑制方法的自动切换,包括如下步骤:
2.如权利要求1所述的一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,该方法还包括搭建短程硝化反应器及其配套的控制单元,所述反应器包含:
3.如权利要求1或2所述的一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,根据NAR是否超过预设的阈值,对数据组进行标注分类:NAR低于阈值的数据组被标记为1,表示此时应采取FA抑制;NAR高于阈值的数据组被标记为0,表示应采取FNA抑制。
4.如权利要求3所述的一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,利用200天以上的FA/FNA交替抑制运行数据对SVM模型进行分类训练,并利用网格搜索和交叉验证对模型进行优化。
5.如权利要求1所述的一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,控制单元可根据分类器传回的结果实现对抑制方法的决
6.如权利要求5所述的一种基于SVM的FA/FNA智能切换NOB抑制方法,其特征在于,利用训练好的SVM分类模型和编写的控制程序来控制反应器的实时运行。控制单元只需收集曝气量、曝气系数、DO、进水氨氮浓度、氨氧化率和出水亚硝态氮浓度等易得指标,即可实现FA/FNA抑制策略的智能切换。
...【技术特征摘要】
1.一种基于svm的fa/fna智能切换nob抑制方法,其特征在于,利用svm分类器实现对连续流短程硝化反应器中的nob抑制方法的决策预警,实现短程硝化过程中nob抑制方法的自动切换,包括如下步骤:
2.如权利要求1所述的一种基于svm的fa/fna智能切换nob抑制方法,其特征在于,该方法还包括搭建短程硝化反应器及其配套的控制单元,所述反应器包含:
3.如权利要求1或2所述的一种基于svm的fa/fna智能切换nob抑制方法,其特征在于,根据nar是否超过预设的阈值,对数据组进行标注分类:nar低于阈值的数据组被标记为1,表示此时应采取fa抑制;nar高于阈值的数据组被标记为0,表示应采取fna抑制。
4.如权利...
【专利技术属性】
技术研发人员:步辰龙,谢懿,刘建勇,张晓琳,夏俊,荆雷,刘伟,李丰豪,周磊,
申请(专利权)人:上海大学,
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。