基于神经网络的污水处理指标软测量研究
“xiaolong01”通过精心收集，向本站投稿了3篇基于神经网络的污水处理指标软测量研究，下面是小编为大家整理后的基于神经网络的污水处理指标软测量研究，供大家参考借鉴，希望可以帮助您。
篇1：基于神经网络的污水处理指标软测量研究
基于神经网络的污水处理指标软测量研究
污水处理厂目前广泛使用序批式活性污泥法.该方法处理污水过程是一种典型的复杂动态生物反应工程系统,具有非线性、时变性、随机性和不确定性等特点,难以建立准确的数学模型.同时,该方法的污水处理指标在线测量仪表价格昂贵.为从工程应用角度将人工神经网络软测量方法应用于污水水质指标的实时检测,分别建立BP神经网络和RBF神经网络污水指标软测量模型.仿真结果表明,建立的神经网络软测量模型能很好地实现污水处理指标的COD、BOD、N等参数的实时测量和估计,为污水指标的'实时检测提供了新的思路.
作 者：管秋 王万良 徐新黎 陈胜勇 Guan Qiu Wang Wanliang Xu Xinli Chen Shengyong 作者单位：浙江工业大学信息学院,浙江,杭州,310014 刊 名：环境污染与防治 ISTIC PKU英文刊名：ENVIRONMENTAL POLLUTION AND CONTROL 年，卷(期)： 28(2) 分类号：X5 关键词：神经网络 污水指标 软测量篇2：污水处理中的软测量技术研究论文
一、前言
当前，由于经济发展和人民生活的需要，每天都会产生大量的工业污水和生活污水。污水处理已经有了一套自动化控制系统，为了满足污水排放的相关要求，就势必要对污水的各类参数进行实时的监控检验。但是由于污水处理过程存在非线性、时变性和复杂性，很多参数都难以利用传统的方式进行测量。在科技的发展之下，软测量技术对这一问题大有帮助，如何不断将其优化，使其能够发挥最大的价值，是当前需要研究和探索的一个方向。
二、软测量技术概述
（一）软测量技术的定义
软测量技术实际上就是利用选择和被估计的主导变量关系密切的，并且容易直接测量得出数据的辅助变量，根据最优原则，搭建一个辅助变量为输入值，主导变量为输出值的数学模型，并将实现此模型的算法输入到计算机的相应软件当中进行计算，得出贴近实际的一个主导变量的估计值。[1]
（二）软测量技术的构成
软测量技术主要由辅助变量的筛选，数据的具体处理、所需模型的建立和对所建立模型的实时校正构成。其中对于辅助变量的筛选，是在变量类型、变量的数据量和监测点三个因素中筛选的。其选择标准是保证灵敏性、特异性、过程适用性和精确度；数据的具体处理是指对所获取的数据进行交换和误差调整，从而确保数据的精确度，在后面进行模型的应用时候不会出现较大的偏差。所需模型的建立是该技术的应用核心，它以数学模型为基础，又高于数学模型，是利用二次变量来实现对主要变量的最优估计。[2]虽然在数学的模型有很多，但是不是所有的模型都能够直接应用于污水处理的，要对各类模型的特点进行分析，并和污水处理的技术要领和参数指标进行比对，将各类模型进行融合，才能最终得出一个较为可靠的建模方法。具体的模型建立在之后的文章中会进行介绍。最后就是对软测量模型的矫正。模型在一开始建立的时候只是初步的搭建了一个框架，而没有将具体的对象应用进去，而对象又是在动态变化着的，所以要对已经构建的模型进行实时的矫正，当前最常用的是利用分析仪表的离线测量值来进行在线矫正。
三、软测量技术的具体应用
虽然软测量技术有许多种模型建立的方法，但是并不是每一种模型都适合应用于污水处理过程的，要根据污水处理自身的特点，在掌握了污水处理工程的机理的前提下，将几种方法结合进行建模，才能使得技术的应用更有意义、更有价值。下面是两种具体的软测量技术的应用。
（一）多元性回归软测量建模法的应用
学过建模的人都知道，回归分析法作为建模时候最常用的方法之一，它可以应用的范围十分广泛，并且以最小二乘原理为基础的一元和多元性回归技术已经十分成熟，很多领域都用其来解决各类问题。将其实际应用于污水处理的参数预测中显然十分合适。该模型的建立主要是依靠对于可检测量的参数数据和化验数值，和进行操作的工艺等外在的'影响无关。[3]它所建立起的模型十分简单，且可以将具体算法输入计算机的应用软件，即可得出重要的出水参数的预测。通过反复试验可以发现，该模型的结果拟合度较高，但是仍然存在着一些缺陷的，比如进水参数存在着滞后性。这是由于实验的时候采样时间较长且采样不均造成的。该方法可以对参数进行粗略的估计，但是要进行精确度更高的估计，还是要采用下列所述的第二种方法。
（二）人工神经网络建模法的应用
相较于第一种方法，第二种方法更加适用于系统较为复杂的情况。人工神经网络有前向网络和反馈网络两种类型。在不断的实验中，发现使用分离网络结构分别测量在厌氧和好氧两种条件下的参数，将两者加以区分，能够使结果更加精确，却得更好的效果。但是该方法的缺陷在于无法对一些参数例如COD等进行测量。[4]不仅如此，国外研究人员还基于此种方法得出了一种在无法获得污水处理过程参数时的近似方法。其原理在于，仅仅采用一些便于测量的参数亮，并利用神经网络进行信息的处理，建立各种辅助性参数，经过一系列算法得出所要的水质参数。从中可以看出，无论是哪种方法，都需要或多或少的污水水质参数作为建模的基础数据，才能保证模型算法的良好实现。[5]
四、软测量技术的未来发展方向
从上述软测量技术对污水处理的具体应用中可以发现，当前的几种建立的模型都在实际的应用中存在着一定的漏洞或者局限性，所以，该技术未来的发展方向就是突破当前存在的这些技术屏障。比如，上文所提到的第二种人工神经网络模型，在进行该方法的应用的时候必须对生产数据有一个全面的了解，但是在未来的污水处理中对水质的整体要求会逐渐提高，生产数据势必会更加难以获取，这对该方法的未来应用肯定存在着打击。[6]所以，如何有一个长远的目光，使得未来污水控制的越发严格的时候，该技术仍然能够很好的应用于污水处理，是技术在发展过程中首先需要考虑的，也是必须考虑的。
五、结束语
综上可知，在社会的不断发展下，污水排放量增加，更多水质参数需要进行测量，这给予了污水处理技术一个很大的难题。污水处理具有非线性、时变性和复杂性，一些水质参数是很难直接测量得出的。这就需要软测量技术的帮助。软测量技术主要是建立起模型对估计值进行求解，适合污水处理的模型方法有多元性回归软测量建模法和人工神经网络建模法。但这两种方法仍然存在着一些缺陷，在未来的发展中要进行着重的研究，来满足污水处理的需要。
参考文献
[1]吴冰.污水处理过程中软测量技术的研究及应用[J].化学工程与装备,(2):166-168.
[2]彭向华.软测量技术在污水处理中的应用研究[D].昆明理工大学,2016:90-92.
[3]夏宏,伍溢春,张祥春.软测量技术在污水处理中的应用[J].城市建设理论研究:电子版,(4):34-36.
[4]王立营.试析软测量在污水处理过程中的研究与应用[J].科学技术创新,(12):86-88.
[5]卓明,冯裕钊,陈勇.软测量技术在污水处理过程中的应用[J].中国给水排水,2015,21(11):34-36.
[6]卿晓霞,余建平.软测量技术及其在污水处理系统中的应用[J].工业水处理,2015,25(3):13-16.
篇3：神经网络和主元分析-神经网络软测量技术在污水处理系统中的应用
神经网络和主元分析-神经网络软测量技术在污水处理系统中的应用
摘要：为了实现对污水处理系统参数与性能的有效预测和处理系统的在线实时控制,在介绍神经网络和主元分析神经网络软测量技术的基础上,分析了神经网络在国内外污水处理领域的研究现状和存在的问题,探讨了神经网络软测量技术在污水处理系统的'发展方向.结果表明,基于神经网络的软测量技术能够很好地进行数据分析与模拟仿真,这种软测量技术在污水处理系统中的应用可以通过优化神经网络结构、结合其他数据处理方法、全面预测污水处理系统重要参数、收集与生物处理过程密切相关的参数以及加强对污水生物处理数学模型的研究等方式得到不断改进和完善.作 者：杨文娟 YANG Wen-juan 作者单位：长安大学,环境科学与工程学院,陕西,西安,710054 期 刊：地球科学与环境学报 ISTIC Journal：JOURNAL OF EARCH SCIENCES AND ENVIRONMENT 年，卷(期)：2008, 30(1) 分类号：X703.1 TP273+.5 关键词：环境工程 软测量技术 神经网络 主元分析神经网络 污水处理【基于神经网络的污水处理指标软测量研究】相关文章：
4.污水处理调查报告
8.用水指标申请报告
9.用指标造句
10.无人机神经网络重构控制
文档为doc格式
