張丞

（西寧市湟水投資管理有限公司，青海西寧 810000）

1 引言

目前，對(duì)于工業(yè)廢水、城市生活污水處理出水，污水處理廠中已基本實(shí)現(xiàn)了使用COD 指標(biāo)進(jìn)行其質(zhì)量的評(píng)定。在實(shí)際測(cè)定中，水體中COD 數(shù)值越高，說明水體被污染得越嚴(yán)重，在處理水體樣本時(shí)，需要的氧化還原試劑越多［1］。城市污水處理系統(tǒng)具有復(fù)雜性、時(shí)變性等特點(diǎn)，僅通過機(jī)理分析不僅無法實(shí)現(xiàn)對(duì)水體質(zhì)量的精準(zhǔn)評(píng)價(jià)，還會(huì)導(dǎo)致COD 預(yù)測(cè)結(jié)果與實(shí)際存在較大偏差。并且城市生活污水在處理過程中，會(huì)存在不同時(shí)刻的進(jìn)水，從而導(dǎo)致檢測(cè)樣本的水質(zhì)、水量等參數(shù)處于可變過程，不同的參數(shù)之間存在復(fù)雜的非線性關(guān)系。在此種情況下，污水處理廠工作人員無法及時(shí)掌握進(jìn)水與出水的水質(zhì)情況，導(dǎo)致污水處理廠經(jīng)常處于高負(fù)荷運(yùn)轉(zhuǎn)狀態(tài)，無法保障污水處理廠在城市中發(fā)揮既定的效能［2］。因此，有必要結(jié)合污水處理廠的實(shí)際運(yùn)行情況，對(duì)其出水進(jìn)行COD預(yù)測(cè)，掌握不同時(shí)刻下處理出水的水質(zhì)，并根據(jù)預(yù)測(cè)的結(jié)果，進(jìn)行污水處理廠中大型設(shè)備運(yùn)行參數(shù)的調(diào)整，保證污水處理廠為城市的水環(huán)境可持續(xù)化建設(shè)帶來更高的經(jīng)濟(jì)效益。

2 基于模糊神經(jīng)網(wǎng)絡(luò)的城市生活污水處理出水COD 預(yù)測(cè)方法設(shè)計(jì)

2.1 建立城市生活污水處理出水預(yù)測(cè)模型

為實(shí)現(xiàn)對(duì)城市生活污水處理出水COD 值的高精度預(yù)測(cè)，在開展設(shè)計(jì)研究前，應(yīng)建立對(duì)應(yīng)的城市生活污水處理出水預(yù)測(cè)模型［3］。建模時(shí)，需要先獲取城市污水處理排放多個(gè)指標(biāo)，對(duì)不同參數(shù)與指標(biāo)的獲取進(jìn)行詳細(xì)闡述，見表1。

表1 建模所需參數(shù)獲取

考慮到影響城市生活污水處理廠出水水質(zhì)的因素較多，因此，還需要在上述內(nèi)容的基礎(chǔ)上，獲取污水處理廠進(jìn)水水體中的氨氮物質(zhì)濃度、氮磷比值、水體pH 等參數(shù)，對(duì)指標(biāo)進(jìn)行集成，引進(jìn)激活函數(shù)，對(duì)所獲取的信息進(jìn)行整理，并將其作為輸入變量輸入，參照皮爾遜模型，構(gòu)建此次研究所需的預(yù)測(cè)模型。模型表達(dá)式如下：

式中，r 為城市生活污水處理出水預(yù)測(cè)模型；X 為進(jìn)水水質(zhì)可測(cè)變量；Y 為進(jìn)水水質(zhì)變量方差；CoV 為輸入變量與水質(zhì)影響的相關(guān)系數(shù)；Var 為輸入指標(biāo)。

將所獲取的參數(shù)導(dǎo)入出水預(yù)測(cè)模型中，即可實(shí)現(xiàn)對(duì)進(jìn)水處理后的出水情況進(jìn)行初步預(yù)測(cè)。

2.2 基于模糊神經(jīng)網(wǎng)絡(luò)的COD 預(yù)測(cè)參數(shù)選擇與訓(xùn)練

為提高模型預(yù)測(cè)結(jié)果精度，在完成上述研究后，引進(jìn)模糊神經(jīng)網(wǎng)絡(luò)，進(jìn)行COD 預(yù)測(cè)參數(shù)選擇與訓(xùn)練［4］。此次所選的神經(jīng)網(wǎng)絡(luò)具有5 層結(jié)構(gòu)，從頂層到底層依次為輸入層、模糊層、訓(xùn)練規(guī)則層、處理層與輸出層。

在輸入層進(jìn)行水質(zhì)參數(shù)的導(dǎo)入，將神經(jīng)網(wǎng)絡(luò)中的不同節(jié)點(diǎn)與輸入向量進(jìn)行連接，得到一個(gè)輸入集合［5］。將數(shù)據(jù)進(jìn)行持續(xù)下傳，選擇影響COD 預(yù)測(cè)結(jié)果的參數(shù)，對(duì)參數(shù)進(jìn)行模糊化處理，對(duì)所選的參數(shù)進(jìn)行聚類。公式如下：

式中，G 為COD 預(yù)測(cè)參數(shù)聚類；x 為進(jìn)水好氧性；q為進(jìn)水流量；u 為厭氧池出水；y1為水體ORP 取值；y2為水體OD 取值；g 為廢水處理量。

完成對(duì)COD 預(yù)測(cè)參數(shù)的選擇后，在訓(xùn)練規(guī)則中選擇高斯函數(shù)，計(jì)算不同參數(shù)在預(yù)測(cè)中的隸屬度，并將神經(jīng)網(wǎng)絡(luò)中每一條節(jié)點(diǎn)連接線路作為一個(gè)規(guī)則，保證預(yù)測(cè)中不同參數(shù)具有較高的適應(yīng)度。預(yù)測(cè)參數(shù)隸屬度可用下述公式計(jì)算：

式中，μ 為COD 預(yù)測(cè)參數(shù)隸屬度；i 為規(guī)則數(shù)量；j 為訓(xùn)練行為發(fā)生次數(shù)；e 為參數(shù)適應(yīng)度；σ 為規(guī)則匹配的神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)。

按照上述方式，對(duì)城市生活污水處理出水預(yù)測(cè)模型進(jìn)行訓(xùn)練與迭代，提高預(yù)測(cè)結(jié)果的精度。

2.3 基于數(shù)據(jù)歸一化處理的出水COD 預(yù)測(cè)結(jié)果校正

完成上述研究后，考慮到模型預(yù)測(cè)的城市生活污水處理廠出水COD 數(shù)值可能存在工程計(jì)量單位差異的現(xiàn)象，此種現(xiàn)象會(huì)導(dǎo)致原始數(shù)據(jù)在預(yù)測(cè)中出現(xiàn)丟失或殘缺問題，從而導(dǎo)致預(yù)測(cè)與真實(shí)結(jié)果存在較大差異［6］。因此，通過對(duì)數(shù)據(jù)的歸一化處理，進(jìn)行出水COD 預(yù)測(cè)結(jié)果的校正。對(duì)參數(shù)的歸一化過程可用下述計(jì)算公式：式中，P 為參數(shù)歸一化處理結(jié)果；P*為獲取參數(shù)的初始化趨勢(shì)；Pmin為參數(shù)取值最小值；Pmax為參數(shù)取值最大值。

對(duì)參數(shù)進(jìn)行優(yōu)化處理后，無論原始數(shù)據(jù)的數(shù)量等級(jí)如何，都可以設(shè)定參數(shù)變量的均值為0，標(biāo)準(zhǔn)差值為1.0，通過此種方式便可以消除不同特征因子或計(jì)算量綱對(duì)COD 預(yù)測(cè)結(jié)果造成的偏差。保證預(yù)測(cè)模型輸入量具有一致性后，對(duì)預(yù)測(cè)結(jié)果進(jìn)行反饋，采用去中心化的方式，補(bǔ)償預(yù)測(cè)結(jié)果偏差，從而實(shí)現(xiàn)對(duì)出水COD 預(yù)測(cè)結(jié)果的校正。以此種方式，實(shí)現(xiàn)基于模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法設(shè)計(jì)。

3 對(duì)比實(shí)驗(yàn)

為實(shí)現(xiàn)對(duì)所設(shè)計(jì)方法的檢驗(yàn)，以某城市生活污水處理廠作為本實(shí)驗(yàn)的研究對(duì)象，水體樣本為該污水處理廠處理出水。污水處理廠取樣環(huán)境如圖1 所示。

圖1 某污水處理廠取樣環(huán)境

該污水處理廠的工作人員為了確保污水處理出水達(dá)到國(guó)家環(huán)保核查標(biāo)準(zhǔn)，會(huì)采用處理時(shí)每間隔1.0 h 在出水口進(jìn)行一次水體樣本抽樣檢測(cè)的方式，掌握污水處理廠污水處理出水的水質(zhì)。在此基礎(chǔ)上，污水處理廠還投入大量資金建立了生物池、曝氣池等生活污水輔助處理池，將傳感器與監(jiān)測(cè)設(shè)備集成在不同處理池的出水口位置，用于監(jiān)測(cè)污水處理出水的水質(zhì)情況，其中，針對(duì)水體的DO 指標(biāo)與MLSS指標(biāo)測(cè)定均為實(shí)時(shí)測(cè)定，采樣時(shí)間約為7.0 s。所有監(jiān)測(cè)數(shù)據(jù)均在終端直接傳輸?shù)綄?shí)驗(yàn)室，并由中控室進(jìn)行記錄，定期生成污水處理出水質(zhì)檢報(bào)告后存儲(chǔ)在檔案室終端。因此，本實(shí)驗(yàn)可直接在數(shù)據(jù)庫(kù)中調(diào)用該污水處理廠某日水質(zhì)檢測(cè)報(bào)告及其對(duì)應(yīng)的數(shù)據(jù)作為測(cè)試樣本，即可保證實(shí)驗(yàn)結(jié)果的真實(shí)性與可靠性。

根據(jù)本實(shí)驗(yàn)需求，結(jié)合本次參與實(shí)驗(yàn)的某污水處理廠污水來源與城市居民生活習(xí)慣，明確了污水處理廠的集中配水時(shí)間在08：00—18：00，因此，選擇近期時(shí)段內(nèi)隨機(jī)某天的記錄數(shù)據(jù)作為測(cè)試數(shù)據(jù)，獲取污水處理廠進(jìn)水樣本的流量、水體pH、水體氮氧含量、DO 指標(biāo)等參數(shù)，確保所選數(shù)據(jù)具有連續(xù)性與完善性等優(yōu)勢(shì)后，使用本實(shí)驗(yàn)設(shè)計(jì)的COD 預(yù)測(cè)方法，對(duì)測(cè)試樣本進(jìn)行COD 預(yù)測(cè)。

在使用本實(shí)驗(yàn)設(shè)計(jì)的COD 預(yù)測(cè)方法進(jìn)行測(cè)試樣本的預(yù)測(cè)時(shí)，需要先根據(jù)污水處理廠的實(shí)際運(yùn)行情況與污水處理能力，獲取實(shí)驗(yàn)指標(biāo)。在此基礎(chǔ)上，建立城市生活污水處理出水預(yù)測(cè)模型。為確保模型對(duì)城市生活污水處理出水COD 預(yù)測(cè)結(jié)果的精準(zhǔn)性，引進(jìn)模糊神經(jīng)網(wǎng)絡(luò)，進(jìn)行COD 預(yù)測(cè)參數(shù)選擇。本實(shí)驗(yàn)所選的模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)見表2。

表2 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)計(jì)

按照表2 內(nèi)容，進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)設(shè)計(jì)，根據(jù)實(shí)際情況，對(duì)COD 預(yù)測(cè)模型進(jìn)行訓(xùn)練。考慮到所獲取的數(shù)據(jù)中存在多源渠道獲取的數(shù)據(jù)，因此，需要在完成基于模型對(duì)城市生活污水處理出水COD預(yù)測(cè)后，采用對(duì)數(shù)據(jù)進(jìn)行歸一化處理的方式，對(duì)出水COD 預(yù)測(cè)結(jié)果進(jìn)行校正。

按照上述方式，對(duì)不同時(shí)刻下的水體樣本COD值進(jìn)行預(yù)測(cè)，按照采樣的時(shí)序，隨機(jī)選擇當(dāng)天測(cè)試樣本中的16.0 h 預(yù)測(cè)結(jié)果，將出水COD 預(yù)測(cè)結(jié)果與水體真實(shí)COD 監(jiān)測(cè)結(jié)果進(jìn)行比對(duì)，將對(duì)比結(jié)果繪制成折線圖，如圖2 所示。

圖2 城市生活污水處理出水COD 預(yù)測(cè)結(jié)果

從圖2 可以看出，出水COD 預(yù)測(cè)結(jié)果散點(diǎn)分布與水體真實(shí)COD 結(jié)果基本匹配，即出水COD 預(yù)測(cè)散點(diǎn)均勻分布在連續(xù)曲線的四周，說明本實(shí)驗(yàn)設(shè)計(jì)的基于模糊神經(jīng)網(wǎng)絡(luò)的出水COD 預(yù)測(cè)方法具有一定可行性，可以實(shí)現(xiàn)對(duì)城市生活污水處理出水COD的精準(zhǔn)預(yù)測(cè)。

在此基礎(chǔ)上，引進(jìn)基于ARIMA 模型的預(yù)測(cè)方法作為傳統(tǒng)方法，對(duì)相同的測(cè)試樣本進(jìn)行出水COD 預(yù)測(cè)。使用傳統(tǒng)方法進(jìn)行預(yù)測(cè)時(shí)，應(yīng)先按照上述步驟進(jìn)行水體采樣與水質(zhì)的基本分析，完成對(duì)數(shù)據(jù)的基本分析后，使用ARIMA 模型建立COD 預(yù)測(cè)模型。為提高預(yù)測(cè)結(jié)果的精度，需要選擇部分實(shí)驗(yàn)樣本數(shù)據(jù)作為參照，對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行迭代處理，通過此種方式，提高預(yù)測(cè)結(jié)果的精度，當(dāng)預(yù)測(cè)結(jié)果經(jīng)過多次迭代達(dá)到一個(gè)期望值后，輸出預(yù)測(cè)結(jié)果，根據(jù)出水時(shí)序?qū)︻A(yù)測(cè)結(jié)果進(jìn)行銜接，以此種方式實(shí)現(xiàn)對(duì)城市生活污水處理出水COD 的預(yù)測(cè)。

完成2 種預(yù)測(cè)方法的應(yīng)用后，選擇相同時(shí)刻點(diǎn)，對(duì)2 種方法的預(yù)測(cè)結(jié)果與真實(shí)結(jié)果進(jìn)行比對(duì)，將COD 預(yù)測(cè)結(jié)果偏差作為對(duì)比實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)，預(yù)測(cè)結(jié)果偏差越小，說明預(yù)測(cè)結(jié)果的精準(zhǔn)度越高。按照上述方式進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果見表3。

表3 城市生活污水處理出水COD 預(yù)測(cè)結(jié)果誤差對(duì)比mg/L

從表3 的實(shí)驗(yàn)結(jié)果可知，本實(shí)驗(yàn)預(yù)測(cè)結(jié)果誤差在0.1 mg/L 范圍內(nèi)，傳統(tǒng)預(yù)測(cè)結(jié)果誤差在0.8 mg/L范圍內(nèi)。證明了相比傳統(tǒng)的預(yù)測(cè)方法，本實(shí)驗(yàn)設(shè)計(jì)的基于模糊神經(jīng)網(wǎng)絡(luò)的城市生活污水處理出水COD預(yù)測(cè)方法，預(yù)測(cè)結(jié)果誤差更低、精度更高。

4 結(jié)語(yǔ)

COD 指標(biāo)是用于評(píng)價(jià)水體質(zhì)量與被污染程度的關(guān)鍵指標(biāo)之一，在實(shí)際應(yīng)用中又被稱之為化學(xué)需氧量，主要是指通過化學(xué)手段，進(jìn)行水體樣本中需要被氧化還原物質(zhì)的總量測(cè)定。為實(shí)現(xiàn)對(duì)出水COD 的高精度預(yù)測(cè)，本文從建立城市生活污水處理出水預(yù)測(cè)模型、基于模糊神經(jīng)網(wǎng)絡(luò)的COD 預(yù)測(cè)參數(shù)選擇與訓(xùn)練、基于數(shù)據(jù)歸一化處理的出水COD 預(yù)測(cè)結(jié)果校正3 個(gè)方面，開展城市生活污水處理出水COD 預(yù)測(cè)方法的設(shè)計(jì)研究。完成方法設(shè)計(jì)后，選擇基于ARIMA模型的預(yù)測(cè)方法作為傳統(tǒng)方法，開展對(duì)比實(shí)驗(yàn)，結(jié)果證明了本實(shí)驗(yàn)設(shè)計(jì)的預(yù)測(cè)方法預(yù)測(cè)得到的COD 結(jié)果與實(shí)際監(jiān)測(cè)的真實(shí)結(jié)果更為接近。