基于HS-RBF的污水處理出水COD軟測量研究.pdf

1、污水處理系統(tǒng)是涉及物理、化學(xué)、生物和環(huán)境科學(xué)等多個領(lǐng)域的非線性復(fù)雜系統(tǒng)?；瘜W(xué)需氧量COD（Chemical Oxygen Demand）是一項能夠直接反映水體受有機(jī)污染程度的重要指標(biāo)。由于污水處理系統(tǒng)各因素條件的復(fù)雜性，以及儀表檢測技術(shù)的發(fā)展水平限制，雖然目前國內(nèi)外已有部分廠家研制出了COD快速檢測和在線儀器，但是它們價格昂貴，維護(hù)費用較高，并且易受水質(zhì)影響，誤差較大，難以得到大范圍的推廣。針對這一問題，本論文提出了一種基于HS-RBF

2、（Harmony Search，HS）神經(jīng)網(wǎng)絡(luò)的COD軟測量模型，并實現(xiàn)污水出水COD值的預(yù)測估計。現(xiàn)將主要工作歸納如下：
　　1.在介紹污水處理檢測技術(shù)和軟測量技術(shù)發(fā)展的基礎(chǔ)上，本文通過對污水處理系統(tǒng)工藝和原理的深入研究分析，獲取適用于COD軟測量建模的輔助變量。本文對采集到的數(shù)據(jù)進(jìn)行歸一化處理，主元分析法篩選后，將輔助變量由7維數(shù)據(jù)降為5維，分別建立基于RBF和 BP神經(jīng)網(wǎng)絡(luò)的軟測量模型。研究結(jié)果顯示，降維后比降維前的軟測量模

3、型具有更好的預(yù)測能力，RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)軟測量模型具有更高的預(yù)測精度和更優(yōu)的泛化能力。
　　2.針對 RBF神經(jīng)網(wǎng)絡(luò)存在的隱含層相關(guān)參數(shù)對函數(shù)的泛化能力影響很大的問題，引入和聲搜索優(yōu)化算法對其進(jìn)行優(yōu)化。為了縮短收斂時間，提高和聲算法在優(yōu)化過程中的全局搜素能力，本文在總結(jié)基本和聲算法和前人工作的基礎(chǔ)上進(jìn)行了部分參數(shù)和算法結(jié)構(gòu)新的調(diào)整，提出GADHS（Global-best Additional Disturbed Harm

4、ony Research）算法，并將其與多種改進(jìn)和聲算法進(jìn)行benchmark標(biāo)準(zhǔn)尋優(yōu)函數(shù)測試，表現(xiàn)出更好的搜索性能。
　　3.利用改進(jìn)的和聲搜索算法對 RBF神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)據(jù)中心、擴(kuò)展常數(shù)和輸出層權(quán)值進(jìn)行優(yōu)化。仿真及研究結(jié)果表明，引入改進(jìn)的和聲算法對RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后，模型的準(zhǔn)確性、穩(wěn)定性及泛化能力都得到了明顯的改進(jìn)，GADHS-RBF軟測量模型具有最好的預(yù)測能力。通過與污水處理廠實際數(shù)據(jù)比較顯示，該模型具有較高的預(yù)測