[发明专利]活性污泥吸附和稳定过程模拟的退火元胞自动机方法

说明书

技术领域

本发明涉及曝气池内活性污泥吸附和稳定的生化反应过程的模拟，尤其是基于退火元胞自动机规则建立活性污泥系统曝气池内污泥吸附和稳定的生化反应的二维模型并模拟实现，属于智能科学与环境工程学科领域。

背景技术

活性污泥法污水处理采用人工曝气的手段，使活性污泥均匀分散并悬浮于曝气池中，和污水充分接触，在溶解氧的条件下，污泥中大量的细菌、真菌、藻类、原生动物和后生动物以污水中的有机物为食料进行代谢和繁殖，从而达到去除有机物的目的。在这一过程中，发生了复杂的生化反应，整个活性污泥系统表现出多样性、随机性、不确定性、强非线性、大时变性等复杂系统的特征，使得模型建立异常困难。

目前活性污泥系统的模型可分为传统数学模型、智能模型以及混合模型。传统的数学模型以国际水污染控制协会废水生物处理设计与运行数学模型课题组提出的ASM系列模型为代表，这些模型含有严重的不确定性、时变、非线性等因素，并且其中许多定量关系是由经验得到，未知参数多，不确定参数在不同的环境呈现不确定变化。智能建模方法与经典数学建模方法相比并非优越，只是当对问题的机理不甚了解或不能用数学模型表明的系统，智能建模往往是最有利的工具。主要的建模方法有：模糊建模、模糊神经网络建模、时间延迟神经网络建模、递归神经网络建模、BP神经网络建模、RBF径向基神经网络建模，但是这种类似“黑匣子”的建模方法限制了人们对污水生物处理机理的认识和研究。将神经网络模型和数学模型相结合，就形成所谓的混合模型，它综合了两者的优势，但是增加了模型的复杂性，也并没有克服两种模型的缺陷，不利于活性污泥系统的控制和应用。

同时，以上模型均未能用复杂系统的观点去认识和理解本身具有复杂系统本质的活性污泥系统，再加上被控对象的不确定性，系统信息的模糊性、高度非线性，控制目标的多层次、计算的复杂性和庞大的数据处理等使得所建立的各种模型均未能表现出活性污泥生长的复杂性和曝气池内微生物的演化过程，限制了人们对活性污泥去污机理的认识和研究，不利于活性污泥系统的控制和应用。

发明内容

本发明的目的是利用退火元胞自动机规则模拟活性污泥系统曝气池内污泥吸附和稳定的生化反应过程，解决现有的模型难以克服活性污泥系统的复杂性的问题。可以从生物角度有效地模拟污泥吸附和稳定的复杂过程。本发明主要是针对有机物的去除，对其进行分析利用，调整微生物的种类和数量可以用于指导建立更加精确的活性污泥模型。

本发明采用了如下的技术方案及实现步骤：

1.本发明是基于退火元胞自动机规则的，首先要建立活性污泥系统中相应的初始模型，并初始化元胞状态。

以N×N的二维空间作为初始模型。其中，N为整数，代表一维上的格子个数。由于传统活性污泥系统连续进水且水质稳定，即每次有机物浓度和回流污泥浓度不变，每个竖截面的演化过程相同，所以采用二维元胞自动机模拟竖截面的演化过程。考虑到污水处理的实际意义，根据元胞自动机边界条件的确定方法，取其边界条件固定为零状态，属于虚拟格子，不发生演化。这样除去边界，状态空间上有(N-1)×(N-1)个格子均匀分布，每个格子代表一个元胞。

元胞的状态一共有三种可能：元胞是空或者水分子，为0状态；该格子有机物被邻居吸附，为1状态；微生物或者残留的难于降解的有机物，为2状态。

初始化每个元胞的状态：任一个格子的状态初始化，是有一定程度的随机性的，某状态在格子以概率p出现，或以概率1-p不出现，即服从概率上的(0-1)分布，其中，0＜p＜1。元胞最初的状态只有状态0和2，状态1是在反应开始后才出现的。当某状态出现的概率p≥p₁时为2状态，其余为0状态。其中，p₁为经验值，0.4＜p₁＜0.6，p₁的具体取值根据N的大小来取定。

2.确定邻居结构。元胞随时间的演化是由邻居元胞的状态，即邻居结构决定的。

本发明采用Moore型的邻居结构，它由一个中心元胞(要演化的元胞)、4个位于其邻近的东西南北方位的元胞及4个位于其次邻近的东北、西北、东南、西南方位的元胞组成，如图1。中心元胞在演化过程中与其本身和邻居的八个元胞的状态有关，即中心元胞的下一时刻的状态由当前时刻自身的状态和八个邻居元胞的状态来确定。

3.根据初始模型和邻居结构来确定演化规则，具体演化过程如下：