[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

说明书

本发明公开了一种污水厌氧处理产气量多元智能实时监控方法，包括：(1)构造遗传‑模糊小波神经网络；确定网络的模糊规则数；对网络进行修正和改进；(2)将遗传‑模糊小波神经网络编制作为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，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，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)。本发明通过准确预测产气量和甲烷含量来智能地监控污水厌氧处理系统，促进污水厌氧处理系统的高效稳定运行。

技术领域

本发明涉及污水处理领域，尤其涉及一种污水厌氧处理产气量多元智能实时监控方法。

背景技术

厌氧处理技术是在厌氧条件下，兼性厌氧和厌氧微生物群体将有机物转化为甲烷和二氧化碳的过程，是一种既节能又产能的污水处理工艺，不仅可以处理高浓度有机废水，而且可以处理中低浓度的有机废水，在全世界范围内得到广泛的应用。

为了提高厌氧工艺处理效果，在保证水质的同时使产气量最大，建立厌氧处理监控系统是非常有必要的。然而，污水厌氧处理系统是一个涉及化学、物理、生物等多门学科的复杂系统，具有复杂性、时变性、非线性和不确定性，使得产气量与很多参数之间呈现出非线性的关系，给产气预测建模技术的建立带来了一定的困难。智能方法具有很强的学习能力和自适应能力，其本身是非线性的，可以通过学习达到所要求的非线性形状来模拟对象模型，适合多输入多输出系统，而且智能方法对处理大量原始数据而不能用规则或者公式描述的问题，表现出极大的灵活性和自适应性，可以用于动态多变的厌氧处理系统的模拟。

发明内容

本发明的目的在于克服现有技术的不足，提供一种污水厌氧处理产气量多元智能实时监控方法。本发明基于污水厌氧处理系统的产气量、进水水质以及系统控制参数之间的相互关系，将小波分析、模糊理论、遗传算法和神经网络有机结合，构建GA-FWNN产气量预测模型，并借助云计算存储平台对监测数据进行处理分析，预测产气量(Biogas)和甲烷含量(CH₄)，智能化地监控污水厌氧处理系统，促进污水厌氧处理系统高效稳定运行。

本发明的目的能够通过以下技术方案实现：

一种污水厌氧处理产气量多元智能实时监控方法，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)。

具体地，在本发明中，选取进水化学需要量(COD)、有机负荷率(OLR)、水力停留时间(HRT)、酸碱度(pH)以及碳酸盐总碱度(ALK)作为输入量，以产气量(Biogas)和甲烷含量(CH₄)作为输出量。

具体地，在步骤(1)中，所构造的遗传-模糊小波神经网络(GA-FWNN)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：