基于GA-ANN模型的A 2 /O工艺运行参数优化
发布时间：2021-04-06 04:44
影响A2/O工艺运行的参数有许多,这些因素相互联系、相互作用,影响工艺效率.为了弥补控制单一变量法或者设计正交试验法的不足,综合考察多种运行参数对工艺运行效果的影响,建立了基于遗传算法进行全局寻优的神经网络模型（GA-ANN模型）,并应用于某城市污水处理厂A2/O工艺的运行优化.获得该厂调试运行期间154组有效监测数据后,随机选取2/3的数据用于GA-ANN模型的求解,1/3的数据用于模型的检验,对工艺运行参数进行优化,得到最佳运行参数组合.结果显示,建立基于遗传算法的神经网络模型用于A2/O工艺运行参数的优化是可行的,可以为污水处理厂运行参数的设置提供理论参考,对调试工作、提高工艺运行效率具有一定的实际指导意义.
【文章来源】：哈尔滨工业大学学报. 2017,49(09)北大核心EICSCD
【文章页数】：5 页
【部分图文】：
BP神经网络模型的结构
水质指标值降低一个标准单位所产生的经济成本指标权重．利用神经网络遗传算法极值寻优模型优化A2/O工艺的运行参数，主要包括神经网络训练拟合和遗传算法极值寻优两个部分．神经网络训练拟合首先要构建合适的BP神经网络，用工艺调试的输入(即工艺运行参数)、输出(即研究的出水指标)数据训练BP神经网络，训练后的BP神经网络可以预测输出．遗传算法极值寻优则把训练后的BP神经网络预测输出作为个体适应度值，通过选择、交叉、变异操作寻找工艺的全局最佳输入和最佳输出．基于遗传算法全局寻优的神经网络模型流程见图2．!"#$%"&’()*+,-./0123456789#$:-&’;<=>?@ABCDEFGHIJKFGLM!"NOPQ图2基于遗传算法全局寻优的神经网络模型Fig．2Neuralnetworkmodelbasedontheglobaloptimizationofgeneticalgorithm整体来说，模型就是首先利用遗传算法生成个体样本，每个样本含有污泥回流比r、混合液回流比Ｒ、溶解氧质量浓度DO、温度T、pH等A2/O工艺的运行参数试验值信息，进行优化时输入该样本个体，利用样本数据训练神经网络模型，然后利用该神经网络模型计算目标函数值，再提供给遗传算法做判断:“优胜劣汰”，适应度大的保留．这样嵌套调用，就可以实现A2/O工艺运行参数的优化，获得最优运行参数组合．2．2应用实例以某城市A2/O工艺污水处理厂调试为例，借以GA－ANN模型优化工艺运行参数，使得在达到排放标准的基础上，最大限度降低研究的出水指标值．调试运行期间，工艺参数控制范围如下:进水流量为3000～6000m3/h、污泥回流流量为1000～3000m3/h、厌氧池污泥质量浓度为2500～5000mg/L、AO池缺氧段溶解氧质量浓度为0．15～0．5mg/L、AO池好氧段溶解氧质量浓度为1．000～6．000mg/L?
到6．200mg/L．分析可知，检验样本的输出预测相对误差基本小于10%，且适应度曲线收敛，说明建立基于遗传算法的神经网络模型是可行的．!"!#$"$#%"%##%#$#!#&#"#’#!"#$%&#$’()*+"#$!%&#$图3检验样本的预测输出与期望输出比较Fig．3Comparisonofthepredictionoutputandtheexpectedoutputofthetestsample!"#!"$!"%!"&!"’!"(!)!"()!"’!(!’!&!%!$!#!!"#$&’(%图4检验样本的输出预测相对误差Fig．4Outputpredictionrelativeerroroftestsamples"#!$%&’!"#$!"%&!"%!!"%’!"%%!"%$!"(&!"(!$%$’$!$&$($$(%$图5适应度曲线Fig．5Fitnesscurve对于A2/O工艺这样一个复杂系统，影响工艺处理效率的运行参数众多．因此，设置合适的运行参数，才能使系统运行处于较为理想的状态．根据多年的运行经验，A2/O工艺运行参数设计的大致范围为:污泥回流比20%～100%，好氧池溶解氧质量浓度1～5mg/L，缺氧池溶解氧质量浓度应≤0．5mg/L，污泥质量浓度2000～5000mg/L．但是在工程实践中，工艺调试往往将花费大量时间同时不一定能达到调试目的．此时，倘若利用调试的前期数据，运用GA－ANN模型对A2/O工艺运行参数进行优化，不仅能快速找到较为理想的工艺运行参数组合，同时将提高工艺处理效率．由上述模型结果可以看出，求解得到的最优参数基本都在设计参数范围内，符合实际情况，模型所得结果可以为污水处理厂的运行参数设置提供理论参考，对调试工作具有一定的实际指导意义．2．3结果讨论综上，在求解模型获得的最佳运行参数组合中，各运行参数值基本都在经验值范围内，这是符合实际情况的，因此，GA－ANN模型可以用于A2/O工艺运行的参数优化中．但是，神经网?
【参考文献】：
期刊论文
[1]容积分配比对A2/O-生物接触氧化工艺反硝化除磷特性的影响[J]. 张淼,彭永臻,王聪,汪传新,薛晓飞,庞洪涛,曾薇. 东南大学学报(自然科学版). 2015(03)
[2]神经网络在工业污水处理建模中的应用[J]. 张群英. 计算机仿真. 2012(03)
[3]基于模糊神经网络的A2/O工艺出水氨氮在线预测模型[J]. 胡康,万金泉,马邕文,黄明智,王艳. 中国环境科学. 2012(02)
[4]污泥回流比对A2/O工艺脱氮除磷效果的影响[J]. 刘云雪,吴建平,高建磊. 工业用水与废水. 2011(04)
[5]A2/O工艺中HRT对系统脱氮除磷效率的影响[J]. 李永峰,潘欣语,杨建宇. 哈尔滨商业大学学报(自然科学版). 2011(04)
[6]内循环对A2/O工艺脱氮的影响[J]. 王建龙,彭永臻,高永青. 北京工业大学学报. 2008(05)
[7]A2/O工艺污水处理厂运行参数优化的数值模拟[J]. 陈昆柏,宋英琦,孙培德,曹荣华. 环境科学学报. 2008(04)
[8]基于遗传算法的污水处理过程优化控制方法[J]. 刘载文,张春芝,王小艺,薛福霞,程志强. 计算机与应用化学. 2007(07)
博士论文
[1]A2/O工艺脱氮除磷及其优化控制的研究[D]. 吴昌永.哈尔滨工业大学 2010
本文编号：3120785
【文章来源】：哈尔滨工业大学学报. 2017,49(09)北大核心EICSCD
【文章页数】：5 页
【部分图文】：
BP神经网络模型的结构
水质指标值降低一个标准单位所产生的经济成本指标权重．利用神经网络遗传算法极值寻优模型优化A2/O工艺的运行参数，主要包括神经网络训练拟合和遗传算法极值寻优两个部分．神经网络训练拟合首先要构建合适的BP神经网络，用工艺调试的输入(即工艺运行参数)、输出(即研究的出水指标)数据训练BP神经网络，训练后的BP神经网络可以预测输出．遗传算法极值寻优则把训练后的BP神经网络预测输出作为个体适应度值，通过选择、交叉、变异操作寻找工艺的全局最佳输入和最佳输出．基于遗传算法全局寻优的神经网络模型流程见图2．!"#$%"&’()*+,-./0123456789#$:-&’;<=>?@ABCDEFGHIJKFGLM!"NOPQ图2基于遗传算法全局寻优的神经网络模型Fig．2Neuralnetworkmodelbasedontheglobaloptimizationofgeneticalgorithm整体来说，模型就是首先利用遗传算法生成个体样本，每个样本含有污泥回流比r、混合液回流比Ｒ、溶解氧质量浓度DO、温度T、pH等A2/O工艺的运行参数试验值信息，进行优化时输入该样本个体，利用样本数据训练神经网络模型，然后利用该神经网络模型计算目标函数值，再提供给遗传算法做判断:“优胜劣汰”，适应度大的保留．这样嵌套调用，就可以实现A2/O工艺运行参数的优化，获得最优运行参数组合．2．2应用实例以某城市A2/O工艺污水处理厂调试为例，借以GA－ANN模型优化工艺运行参数，使得在达到排放标准的基础上，最大限度降低研究的出水指标值．调试运行期间，工艺参数控制范围如下:进水流量为3000～6000m3/h、污泥回流流量为1000～3000m3/h、厌氧池污泥质量浓度为2500～5000mg/L、AO池缺氧段溶解氧质量浓度为0．15～0．5mg/L、AO池好氧段溶解氧质量浓度为1．000～6．000mg/L?
到6．200mg/L．分析可知，检验样本的输出预测相对误差基本小于10%，且适应度曲线收敛，说明建立基于遗传算法的神经网络模型是可行的．!"!#$"$#%"%##%#$#!#&#"#’#!"#$%&#$’()*+"#$!%&#$图3检验样本的预测输出与期望输出比较Fig．3Comparisonofthepredictionoutputandtheexpectedoutputofthetestsample!"#!"$!"%!"&!"’!"(!)!"()!"’!(!’!&!%!$!#!!"#$&’(%图4检验样本的输出预测相对误差Fig．4Outputpredictionrelativeerroroftestsamples"#!$%&’!"#$!"%&!"%!!"%’!"%%!"%$!"(&!"(!$%$’$!$&$($$(%$图5适应度曲线Fig．5Fitnesscurve对于A2/O工艺这样一个复杂系统，影响工艺处理效率的运行参数众多．因此，设置合适的运行参数，才能使系统运行处于较为理想的状态．根据多年的运行经验，A2/O工艺运行参数设计的大致范围为:污泥回流比20%～100%，好氧池溶解氧质量浓度1～5mg/L，缺氧池溶解氧质量浓度应≤0．5mg/L，污泥质量浓度2000～5000mg/L．但是在工程实践中，工艺调试往往将花费大量时间同时不一定能达到调试目的．此时，倘若利用调试的前期数据，运用GA－ANN模型对A2/O工艺运行参数进行优化，不仅能快速找到较为理想的工艺运行参数组合，同时将提高工艺处理效率．由上述模型结果可以看出，求解得到的最优参数基本都在设计参数范围内，符合实际情况，模型所得结果可以为污水处理厂的运行参数设置提供理论参考，对调试工作具有一定的实际指导意义．2．3结果讨论综上，在求解模型获得的最佳运行参数组合中，各运行参数值基本都在经验值范围内，这是符合实际情况的，因此，GA－ANN模型可以用于A2/O工艺运行的参数优化中．但是，神经网?
【参考文献】：
期刊论文
[1]容积分配比对A2/O-生物接触氧化工艺反硝化除磷特性的影响[J]. 张淼,彭永臻,王聪,汪传新,薛晓飞,庞洪涛,曾薇. 东南大学学报(自然科学版). 2015(03)
[2]神经网络在工业污水处理建模中的应用[J]. 张群英. 计算机仿真. 2012(03)
[3]基于模糊神经网络的A2/O工艺出水氨氮在线预测模型[J]. 胡康,万金泉,马邕文,黄明智,王艳. 中国环境科学. 2012(02)
[4]污泥回流比对A2/O工艺脱氮除磷效果的影响[J]. 刘云雪,吴建平,高建磊. 工业用水与废水. 2011(04)
[5]A2/O工艺中HRT对系统脱氮除磷效率的影响[J]. 李永峰,潘欣语,杨建宇. 哈尔滨商业大学学报(自然科学版). 2011(04)
[6]内循环对A2/O工艺脱氮的影响[J]. 王建龙,彭永臻,高永青. 北京工业大学学报. 2008(05)
[7]A2/O工艺污水处理厂运行参数优化的数值模拟[J]. 陈昆柏,宋英琦,孙培德,曹荣华. 环境科学学报. 2008(04)
[8]基于遗传算法的污水处理过程优化控制方法[J]. 刘载文,张春芝,王小艺,薛福霞,程志强. 计算机与应用化学. 2007(07)
博士论文
[1]A2/O工艺脱氮除磷及其优化控制的研究[D]. 吴昌永.哈尔滨工业大学 2010
本文编号：3120785
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/3120785.html
