[发明专利]一种污水厌氧处理产气量多元智能实时监控方法

权利要求书

1.一种污水厌氧处理产气量多元智能实时监控方法，其特征在于，具体步骤包括：

(1)构造遗传-模糊小波神经网络；采用自适应模糊C均值聚类算法确定遗传-模糊小波神经网络的模糊规则数；采用遗传和梯度下降混合算法对遗传-模糊小波神经网络进行修正和改进；

(2)将改进后的遗传-模糊小波神经网络通过计算机语言编制作为系统程序，并将程序烧录于嵌入式厌氧处理监控系统中；

(3)将污水数据作为训练数据输入到嵌入式厌氧处理监控系统中，使系统中改进后的遗传-模糊小波神经网络结构达到网络精度目标，将训练好的网络结构状态保持在系统中；

(4)将训练好的嵌入式厌氧处理监控系统接入污水处理现场进行在线测量，通过传感器实时采集现场水样待测数据并将数据输入到系统中，系统基于改进后的遗传-模糊小波神经网络快速得到产气量和甲烷含量；

(5)每隔30分钟采样一次，重复步骤(4)。

2.根据权利要求1所述的一种污水厌氧处理产气量多元智能实时监控方法，其特征在于，在步骤(1)中，所构造的遗传-模糊小波神经网络具体包括五层网络结构，网络输入域输出之间的映射关系表示为：

其中，wo_j(t)表示为小波网络层节点到输出层的连接权函数，c_ij和σ_ij分别表示为隶属度函数的中心和宽度，x_i(t)表示输入节点参数，j＝1,2,3...18，i＝1,2,3,4,5；n表示模糊规则数。

3.根据权利要求2所述的一种污水厌氧处理产气量多元智能实时监控方法，其特征在于，GA-FWNN结构的第一层为输入层，负责接收所有输入因子并分发到网络的下一层，本层有五个节点，分别为COD(t)、HRT(t)、OLR(t)、pH(t)、ALK(t)；

GA-FWNN结构的第二层为模糊化层，本层引入模糊集合理论，使网络能处理语义变量；本层通过对每一个输入进行模糊化，使得每个节点分别对应一个模糊语言；在本发明中，选取高斯函数作为激励函数，每个节点的输出表示为：

其中，c_ij和σ_ij分别表示为与第j个模糊规则先关的第i个输入变量高斯函数的中心和宽度，x_i表示输入节点参数，采用自适应模糊C均值聚类算法对网络进行模糊划分，确定网络的模糊规则数；

GA-FWNN结构的第三层为模糊规则层，本层中的节点数表示模糊规则和模糊分段数，每个节点对应一条模糊规则；使用符合来表示and的操作，实现模糊推理功能，由给定的数据集产生的模糊规则库，本层的输出结果表示为：

其中，n表示模糊规则数，具体为18；m表示输入节点数，具体为5；

GA-FWNN结构的第四层为小波网络层，由三层小波神经网络作为模糊规则的后件部分，利用小波变换局部特性好的特性，采用小波函数作为神经元的激活函数，对于第j个小波神经元，具体表示为：

其中，a_ij、b_ij和w_j分别表示小波函数的平移，膨胀因子和权值；

GA-FWNN结构的第五层为输出层，用于计算整个网络的输出结果；本层主要考虑对每个小波网络的输出结果进行解模糊化的分析结果，输出结果具体表示为：

其中，y_k表示FWNN的输出，预测系统的产气量和甲烷含量，用于实时监控厌氧系统的运行状态。