基于人工神经网络的污水处理应用性研究的探讨研究.pdf

中国环境科学学会学术年会优秀论文集(2006) 基于人工神经网络的污水处理应用性研究的探讨 黄明智1 马邕文1 万金泉1 黄明护2 (1．华南G-Y-．大学环境科学与工程学院广州510640； 2．华南理工大学资源科学与造纸工程学院 广州 510640) 摘要本文主要简述了目前广泛应用于废水处理的神经网络以及建模原理，分析了人工神经网络在 污水处理领域取得的成果，并对神经网络待解决的问题和发展趋势作了讨论。 关键词人工神经网络智能控制污水处理 污水处理系统具有不稳定性和不确定性，其处理过程的特点是多变量、非线性、时变性与随 机性，故建立精确的数学模型比较困难。同时，污水处理系统的控制又属于多目标控制，体现 在：需要控制几种出水指标，需要抑制外部环境的变化(扰动)对处理过程的影响以确保处理 过程的稳定性，需要使处理过程费用最低(即经济指标最优化)uJ。人工神经网络最大优点是可 以充分逼近任意复杂的非线性关系，有较强的学习能力和容错性，同时能够处理定量、定性数 据，能够利用连接的结构与其他控制方法及人工智能相结合，已成为废水处理过程的研究热点。 一、人工神经网络原理 人工神经网络(简称ANNs)是一个并行和分布式的信息处理网络结构，一般由多个神经元 组成，每个神经元有单一的输出，可以连接到很多其他的神经元，其输入有多个连接通路，每个 连接通路对应一个连接权系数。具有学习能力、记忆能力、计算能力及处理能力，并在不同程度 和层次上模仿人脑神经系统的信息处理、存储及检索功能。每个神经元的结构和功能比较简单， 而大量神经元组合产生的系统行为却非常复杂旧J。在ANNs中，知识是通过学习例子而分布地存 储在网络中的。因此，它具有很好的容错能力，当个别处理单元损坏时，不会影响整个网络的正 的进展，成为具有一种独特风格的信息处理学科旧J。常用于污水处理中的神经网络有BP(误差 反向传播)神经网络、RBF(径向基函数)神经网络、自适应神经网络等。其中BP神经网络是 目前应用最为广泛的一种网络。 BP网络最早是由Werbos在1974 输出层 年提出来，Rumelhart在1985年发展 了该算法。BP网络是一种多层网络， 它在输入层与输出层之间加入若干层 神经元，这些神经元称之为隐单元。gl 隐含层 典型的BP神经网络结构由输入层、 隐含层和输出层组成，如图1所示。 其工作过程包括输入信号的正向传播 和误差信号的反向传播，网络的权重 xj xn 输入巨 修正是使下式的E为最小： 图1 BP网络结构 f 1 E=÷∑(以一Yk)2 其中：E表示误差；d。为第k节点期望值；Y。为第k个输出节点的值。 其递推学习算法如下： 第五章环境污染防治技术研究与开发 △％=叼戳虿=叩(d★一Yk)(1一Yk)勺 f Av口=碱=田(∑雠‰)巧(1一弓)菇t ★一1 其中：菇i表示第i个输入节点；勺表示第，个隐层节点；％表示隐层到输出层的权重调节量； 秽#表示输入层到隐层的权重调节量；叩为比例系数，反映学习速率；瓯为输出层的误差信号；最 为隐层的误差信号。经过训练后的BP网络可以实现系统模型辨识和系统仿真‘4|。 二、神经网络用于废水处理的建模原理 根据神经网络的原理及其废水处理的特点就可以进行建模。首先要对网络进行训练，即输入 实际系统样本，选择适当的学习算法，确定出中间层神经元的个数及各层之间的权值形，，进行 神经网络训练，网络训练常用的方法为BP算法。对于BP网络，只确定了各节点间的连接权值 及阈值，便确定了废水处理的模型。 对于典型的废水处理系统，其输入向量包括m个进水