白樺， 李圭白
(哈爾濱工業(yè)大學(xué)市政環(huán)境工程學(xué)院， 黑龍江哈爾濱 150090)

　　摘　要：對目前水廠實際運行過程中混凝劑投量的確定及影響因素進行了分析，通過引入神經(jīng)網(wǎng)絡(luò)預(yù)測理論建立了混凝劑投量的預(yù)測模型，并以某水廠的實際運行數(shù)據(jù)對該模型的性能進行了驗證。結(jié)果表明，網(wǎng)絡(luò)預(yù)測模型具有很強的自學(xué)習(xí)性、自適應(yīng)性和容錯性，通過網(wǎng)絡(luò)的在線自學(xué)習(xí)，可使預(yù)測結(jié)果的準確度明顯提高。利用該模型可實現(xiàn)混凝劑投量的在線預(yù)測控制，為實現(xiàn)混凝劑的最優(yōu)投加提供了一條有效途徑。?
　　關(guān)鍵詞：混凝投藥 神經(jīng)網(wǎng)絡(luò)；預(yù)測模型；優(yōu)化?
　　中圖分類號：TU991.22
　　文獻標(biāo)識碼：C
　　文章編號：1000-4602(2002)06-0046-02

　　對混凝劑用量實施預(yù)測控制的關(guān)鍵是如何建立系統(tǒng)的預(yù)測模型。一種建模方法是基于系統(tǒng)的物理化學(xué)反應(yīng)關(guān)系。由于混凝過程是一個復(fù)雜的物理化學(xué)反應(yīng)過程，目前還很難通過對其反應(yīng)機理的研究來準確地建立反應(yīng)過程的數(shù)學(xué)模型；另一種建模方法是根據(jù)系統(tǒng)的輸入/出特性(數(shù)據(jù)) 建模。由于傳統(tǒng)的數(shù)學(xué)模型(基于系統(tǒng)輸入/出數(shù)據(jù)采用多元線性回歸方式建立)^[2]自身不具備容錯性和自學(xué)習(xí)性而大大限制了其應(yīng)用。由此，筆者提出一種基于人工神經(jīng)網(wǎng)絡(luò)、具有很強的容錯性和自學(xué)習(xí)、自適應(yīng)能力的方法，這種方法將推進混凝投藥智能化自動控制系統(tǒng)的研究。

1 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立

1.1 混凝投藥過程的特點 ?
　　水處理流程一般包括凝聚、絮凝、沉淀、過濾4個階段。其中混凝過程是主要環(huán)節(jié)，直接關(guān)系到出水的水質(zhì)，而在這一過程中混凝劑的投量又是一個決定性因素，要求其能夠根據(jù)原水水質(zhì)參數(shù)的變化而不斷改變藥劑量以滿足出水水質(zhì)的要求。分析混凝劑投加后的化學(xué)反應(yīng)過程得出，濁度、pH值、TOC或CODMn、色度、溫度、流量等幾個主要原水參數(shù)將影響混凝劑的投量和混凝效果^[1]。對于大多數(shù)水廠，混凝的控制指標(biāo)大都以出水濁度衡量。
1.2 預(yù)測模型
　　預(yù)測模型結(jié)構(gòu)見圖1。

　　找出影響混凝效果的主要因素之后可以建立系統(tǒng)輸入?yún)?shù)—影響混凝投藥效果的主要因素與系統(tǒng)輸出參數(shù)—混凝劑投量之間的神經(jīng)網(wǎng)絡(luò)模型?？紤]到參數(shù)的在線可連續(xù)測量性，初步選取輸入層節(jié)點數(shù)為5個，分別為原水濁度、pH值、色度、溫度、流量；輸出層節(jié)點數(shù)為1個(混凝劑的投量)。隱層節(jié)點數(shù)和層數(shù)可根據(jù)神經(jīng)網(wǎng)絡(luò)計算理論中的有關(guān)公式通過試驗確定，輸入層參數(shù)的選取可根據(jù)水源參數(shù)的具體特征修改。依據(jù)此網(wǎng)絡(luò)結(jié)構(gòu)可實現(xiàn)當(dāng)已知原水狀況時預(yù)測混凝劑的投量，預(yù)測值的準確程度取決于選取訓(xùn)練樣本的準確性與樣本數(shù)據(jù)的代表性和全面性。?

2 實例分析

　　依據(jù)上述的混凝投藥神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和BP網(wǎng)絡(luò)算法流程，對某處理水量為22.5×10⁴m³/d 的水廠進行了投藥量預(yù)測。該水廠以松花江水為水源，地處哈爾濱段，水廠實際運行采用定時燒杯試驗的方法確定投藥量。
　　樣本數(shù)據(jù)選擇的全面性與豐富性直接關(guān)系到網(wǎng)絡(luò)的自學(xué)習(xí)性能，對于一定的水域，各年的水質(zhì)狀況存在一定的差別，為此選取1997年、1998年的實際運行數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練樣本，分別對1999年的3月、7月的投藥量進行預(yù)測；同時為體現(xiàn)網(wǎng)絡(luò)的自學(xué)習(xí)性、自適應(yīng)性及網(wǎng)絡(luò)對不同年份水質(zhì)的適應(yīng)性，分別將1999年的1月、2月數(shù)據(jù)和1月～6月數(shù)據(jù)添加到網(wǎng)絡(luò)的學(xué)習(xí)樣本數(shù)據(jù)中，分別對網(wǎng)絡(luò)進行訓(xùn)練，再用訓(xùn)練好的網(wǎng)絡(luò)分別對3月、7月的投藥量進行預(yù)測，測試結(jié)果見圖2～5。

　　從圖2～5中可以看出，由于各年的水質(zhì)存在差異，單純以1997、1998年數(shù)據(jù)作為訓(xùn)練樣本 建立的網(wǎng)絡(luò)對1999年的3月、7月的運行狀況進行預(yù)測的結(jié)果存在較大偏差，但以1999年1月、2月和1月～6月數(shù)據(jù)添入訓(xùn)練樣本建立的網(wǎng)絡(luò)對1999年的3月、7月的運行狀況進行預(yù)測的準確度提高，且隨著樣本數(shù)據(jù)的增加，網(wǎng)絡(luò)預(yù)測的平均相對誤差減小，準確度明顯提高，自學(xué)習(xí)性能顯著(見表1)。準確度是預(yù)測結(jié)果中可靠數(shù)據(jù)占總體數(shù)據(jù)的程度，反映了網(wǎng)絡(luò)預(yù)測結(jié)果的可信度，是網(wǎng)絡(luò)性能的一個衡量指標(biāo)^[3]。

表1　預(yù)測結(jié)果 項 目 3月 7月 網(wǎng)絡(luò)預(yù)測結(jié)果 網(wǎng)絡(luò)再學(xué)習(xí)預(yù)測結(jié)果 網(wǎng)絡(luò)預(yù)測結(jié)果 網(wǎng)絡(luò)再學(xué)習(xí)預(yù)測結(jié)果 平均相對誤差(%) 6.72 3.5*9 5.9 3.5 準確度*(%) 73.08 80.77 85.9 96.43 準確度**(%) 46.15 61.54 57.1 78.57 注：*相對誤差＜10%；**相對誤差＜6%。

3 結(jié)論

　　利用所建立的混凝投藥系統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測模型對某水廠的實際運行數(shù)據(jù)進行預(yù)測，取得了較為滿意的結(jié)果。特別是隨著水廠實際運行數(shù)據(jù)的不斷增加，并將新數(shù)據(jù)添入訓(xùn)練樣本數(shù)據(jù)中，可大大提高網(wǎng)絡(luò)的學(xué)習(xí)性能。由此得出，基于神經(jīng)網(wǎng)絡(luò)的混凝投藥系統(tǒng)預(yù)測模型具有較強的自學(xué)習(xí)、自適應(yīng)性，可在此基礎(chǔ)上實現(xiàn)前饋神經(jīng)網(wǎng)絡(luò)預(yù)測控制以實現(xiàn)混凝劑的最優(yōu)投加。

參考文獻：

　　[1]Collins Anthony G,Ellis Glenn W.Information processing coupled with expert syste ms for water treatment plants[J].ISA Transactions，1992,31(1):61-72.
　　[2]于東江.水廠最佳投礬劑量的確定[J].給水排水.1992,18(5):41-42.
　　[3]趙振宇，徐用懋.模糊理論和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與應(yīng)用[M].北京:清華大學(xué)出版社,1997.

---

　　電　　話：(0451)6282175 6323815
　　E-mail:bh70@sina.com
　　收稿日期：2001-10-11