城市污水处理出水氨氮浓度智能检测方法及应用研究

Ammonia nitrogen is an important pollutant which leads to water pollution and eutrophication, thus the measurement of effluent ammonia nitrogen concentration in urban wastewater treatment is the key to ensure effluent ammonia nitrogen reach water quality standards and reduce effluent ammonia nitrogen pollution. While the biochemical reaction of biological ammonia nitrogen removal is complex, and ammonia nitrogen is affected by too many environmental factors, thus the online measurement of ammonia nitrogen is difficult to be realized. To solve this problem, this project will study the effluent ammonia nitrogen concentration intelligent measurement method and application in urban wastewater treatment.The main content is as follows: the secondary variables selection method will be studied, and the characteristic parameters which are closely related with effluent ammonia nitrogen will be extracted. Then, the self-organizing neural network will be studied, and an ammonia nitrogen intelligent soft-computing model will be built. Finally, an ammonia nitrogen intelligent prediction system will be developed to realize the accurate measurement of effluent ammonia nitrogen online. This project is of great significance for the normal operation of sewage treatment and environmental protection, also will promote the development of intelligent computing theory.

氨氮是导致水体污染和富营养化的重要污染物，因此城市污水处理出水氨氮浓度实时测量是保证出水氨氮水质达标和降低氨氮对水体污染的关键。但生物除氮过程生化反应复杂，且影响氨氮的环境因素众多，氨氮浓度难以实时在线测量。针对此问题，本项目拟开展城市污水处理出水氨氮浓度智能检测方法及应用研究。其主要研究内容有：研究特征参量选择方法，提取与出水氨氮密切相关的特征参量；设计自组织神经网络，建立出水氨氮智能软测量模型；开发污水处理出水氨氮智能检测系统，实现污水氨氮实时准确测量。本项目的研究不仅对于保证污水处理正常运行和环境保护具有重要的意义，而且还将促进智能计算理论的发展，具有重要的研究价值。

氨氮是导致水体污染和富营养化的重要污染物，因此城市污水处理出水氨氮浓度实时测量是保证出水氨氮水质达标和降低氨氮对水体污染的关键。然而，生物除氮过程生化反应复杂，且污水处理过程是一个强耦合、多输入、多输出的复杂系统，基于生化反应或机理建模的方法难以准确预测氨氮浓度。针对此问题，本项目开展了城市污水处理出水氨氮浓度智能检测方法及应用研究。主要研究内容有：.第一，完成了污水处理出水氨氮特征参量提取算法的设计。对采集的污水处理厂数据进行分析和处理，设计了基于主元分析法（Principal Component Analysis，PCA）的特征提取算法。结合变量容易测量原则，提取了与出水氨氮密切相关的特征参量，并设定为氨氮智能预测模型的输入变量。 .第二，完成了氨氮智能预测模型设计。设计了基于回声状态网络（Echo State Network, ESN）的氨氮智能预测模型，其含有输入层、隐含层和输出层三层结构。设计了基于奇异值分解定理构造的隐含层结构，其能够保证预测网络稳定性。表征输入层、隐含层、输出层之间关系的连接权矩阵随机生成。.第三，完成了氨氮智能预测模型结构自适应调整算法设计。模型结构调整方面，以模型预测误差为适应度函数，设计了隐含层增量式网络结构调整算法，提高了氨氮预测模型性能。输出层权值训练方面，以目标任务为导师信号，在全局最优意义（模型预测误差最小），基于回归分析算法（伪逆算法、岭回归分析算法等），设计了氨氮预测模型输出层权值训练算法。.最后，完成了氨氮智能检测系统的设计与开发。氨氮智能检测系统包括用户注册、登陆、管理模块、样本数据管理模块、模型选择模块、模型训练模型、实时预测模块等多个模块，能够以界面的形式清晰地显示预测模型训练输出和测试输出曲线，为出水氨氮预测模型提供一个界面展示化的平台。.本项目的研究不仅对于保证污水处理正常运行和环境保护具有重要的意义，而且还将促进智能计算理论的发展，具有重要的研究价值。