基于数据驱动的污水处理过程污泥膨胀预测与控制

污泥膨胀是污水处理过程的严重异常工况，其危害大、发生率高，是污水处理厂正常运行的巨大威胁。由于过程复杂、机理不清和关键数据不能在线测量，导致污泥膨胀预测和控制困难。本项目基于污泥膨胀过程数据和专家知识相对丰富的现状，在数据驱动方法的基础上结合专家知识，使二者优势互补，提高数据利用的针对性和预测的准确性。综合利用在线数据和离线数据，定性分析和定量计算相结合，准确识别污泥膨胀征兆信息，实现污泥膨胀的预测；基于专家知识，研究污泥膨胀控制智能决策支持系统。具体研究内容包括：无冗余属性的污泥膨胀征兆数据库建立方法，基于定性趋势分析的污泥膨胀征兆定性特征提取和识别方法，基于定性和定量组合信息的污泥膨胀征兆识别方法，基于智能决策支持系统的污泥膨胀控制方法。本项目对于保证污水处理厂的持续稳定运行具有重要意义，具有良好的应用前景和社会效益，对其他复杂工业过程的监控亦有参考价值。

污泥膨胀是污水处理过程的严重异常工况，其危害大、发生率高，是污水处理厂正常运行的巨大威胁。本课题针对污泥膨胀过程复杂、机理不清和关键数据不能在线测量等问题，提出了基于数据驱动结合专家知识污泥膨胀预测与控制方法，基于该方法形成了专用软件系统，并在实际污水处理厂取得较好的应用效果。. 课题研究内容共包括四部分：提出了基于粗糙集、径向基神经网络的SVI预测模型，并通过灰色马尔可夫模型进行了预测，预测精度达到三级，证明该方法具有较高的预测精度；通过滑动窗口算法和外推式在线数据分割算法实现了对污泥膨胀征兆特征的定性提取和识别，再通过定性特征与定量信息的组合实现了对过程数据趋势信息的有效提取，为专家系统趋势信息需求提供了支持；最后，结合理论成果开发了基于专家系统架构的污泥膨胀预测与控制软件，通过在两家污水处理厂的现场应用验证，污泥膨胀的发生频率降低50％以上，实现了预期目标。. 本课题执行期间，获得省部级科技进步一等奖1项，获得行业科技进步三等奖1项，获得省部级技术鉴定2项，在国内外核心期刊和重要会议上发表或已录用论文11篇，其中已发表论文7篇，含EI检索1篇；已录用论文4篇，其中3篇被EI期刊录用；申请专利10项（发明专利8项、实用新型2项）、取得软件著作权2项。