[发明专利]MBR膜污染智能预警方法

权利要求书

1.MBR膜污染智能预警方法，其特征在于：

通过对MBR膜出水透水率预测实现污染预警，其中MBR膜出水透水率基于递归模糊神经网络进行多步预测，MBR膜污染基于知识和规则库进行预警；具体包括以下步骤：

(1)MBR膜出水透水率多步预测：

1)确定出水透水率软测量模型的输入变量和输出变量；以膜生物反应器-MBR污水处理系统为研究对象，对水质数据进行特征分析，提取产水流量、产水压力、单池膜擦洗气量、厌氧区ORP和好氧区硝酸盐作为输入变量，以MBR膜出水透水率作为输出变量；

2)建立出水透水率软测量模型；利用递归模糊神经网络设计MBR处理污水过程中预测出水透水率的软测量模型，出水透水率软测量模型的拓扑结构分为四层：输入层、隶属函数层、规则层、输出层；拓扑结构为5-R-R-1的连接方式，其中2<R<30，输入层与隶属函数层之间的连接权值为1，递归模糊神经网络的期望输出表示为y_d(t)，实际输出表示为y(t)；基于递归模糊神经网络的MBR膜出水透水率的多步预测软测量方法计算依次为：

①输入层：该层由5个神经元组成，其输出为，

x(t)＝[x₁(t),x₂(t),…,x₅(t)]^T (1)

其中，x(t)表示t时刻输入层的输出，x₁(t)表示t时刻产水流量的值、x₂(t)表示t时刻产水压力的值、x₃(t)表示t时刻单池膜擦洗气量的值、x₄(t)表示t时刻厌氧区ORP的值、x₅(t)表示t时刻好氧区硝酸盐的值；

②隶属函数层：该层由R个神经元组成，每个神经元的输出为，

其中是t时刻隶属函数层第j个神经元的输出，c_j(t)为t时刻第j个隶属函数层神经元的中心向量，c_j(t)＝[c_1j(t),c_2j(t),…,c_ij(t)]，i＝1,2，…5，c_ij(t)表示隶属函数层t时刻第j个神经元中心值的第i个元素，为t时刻第j个隶属函数层神经元的宽度向量，d_ij(t)表示隶属函数层t时刻第j个神经元宽度值的第i个元素；

③规则层：递归模糊神经网络在规则层加入了自反馈连接，该层的神经元个数和隶属函数层相同，为R个，每个神经元的输出为，

其中v_j(t)是t时刻规则层第j个神经元的输出，v_j(t-1)是t-1时刻规则层第j个神经元的输出，是t时刻隶属函数层第j个神经元的输出，为隶属函数输出之和；

④输出层：输出层输出为MBR膜出水透水率软测量模型的实际输出，

y(t)是t时刻输出神经元的输出，w_j(t)表示t时刻规则层第j个神经元与输出神经元之间的权值，定义递归模糊神经网络软测量模型输出y(t)与期望输出y_d(t)的误差函数e(t)为：

e(t)＝y_d(t)-y(t) (5)

3)MBR膜出水透水率软测量递归多步预测策略：多步预测不仅能预测系统的当前信息，还能预测此后多步的信息，递归多步预测策略考虑预测数据间的相关性，根据预测步数的不同，过程如下：

其中h∈(1,…,H)是多步预测的预测步数，d是输入变量的维度，也叫时延的步数，y(t+h)是未来h步后输出神经元的输出；

4)MBR膜出水透水率软测量模型校正，过程如下：

①给定神经网络隶属函数层与规则层神经元个数R，R为自然数，R通过经验法确定，MBR膜出水透水率的软测量模型的训练输入为x(1)，x(2)，…，x(t)，…，x(N)，对应的期望输出y_d(1)，y_d(2)，…，y_d(t)，…，y_d(N)，软测量模型的训练样本为N组，期望误差设为E_d，迭代步数设为s，计算代价函数值E(t)，定义停止标准，当E(t)<E_d，令t＝0；

定义网络的代价函数E(t)，

②设置学习步数s＝s+1；计算出MBR膜出水透水率智能特征模型输出y(t)，误差e(t)，计算向量J(t)，其中，

拟海瑟矩阵Q(t)计算公式为，

Q(t)＝J^T(t)J(t) (9)

梯度向量g(t)计算公式为，

g(t)＝J^T(t)e(t) (10)

其中，误差关于各个参数的偏导数计算如下；

计算误差关于中心的偏导数

计算误差关于宽度的偏导数

计算误差关于权值的偏导数

③采用自适应二阶算法更新递归模糊神经网络的参数，

Δ(t+1)＝Δ(t)+(Q(t)+λ(t)I)^-1g(t) (14)

其中，I为单位矩阵，Δ＝[w₁(t)，…w_R(t)，c₁₁(t)，…c₅₁(t)，…，c_1j(t)，…c_5j(t)，…c_1R(t)，…c_5R(t)，d₁₁(t)，…d₅₁(t)…，d_1j(t)，…d_5j(t)，…d_1R(t)，…d_5R(t)]，w_j(t)表示t时刻规则层第j个神经元与输出神经元之间的权值，c_ij(t)是隶属函数层的中心，d_ij(t)是隶属函数层的宽度；

其中，自适应学习率λ(t)为，

λ(t)＝θ||e(t)||+(1-θ)||g(t)|| (15)

0<θ<1是实参数，e(t)是误差向量；

④计算代价函数E(t)，当满足精度E(t)<E_d，迭代停止，否则跳转到步骤②；

将测试样本数据作为训练后的递归模糊神经网络的输入，递归模糊神经网络的输出即为膜出水透水率的预测值；

(2)MBR膜污染预警

把膜生物反应器-MBR污水处理系统领域报警预警的相关条件描述为预警规则，对MBR膜污染进行预警。