神经网络模拟污水厂活性污泥工艺结果

一直以来，人类从接受信息到反馈信息都通过神经网络来处理。因此，早在20世纪初人们就开始对人脑的基本单元——神经元进行建模和联接，探索模拟出人脑神经系统功能的模型，并研制一种具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。其中，Matlab中的神经网络便。

污水处理厂活性污泥工艺是一个非常复杂的非线性过程[1]，它具有多变量，非线性，随机性的特点，是一个典型的黑箱模型。而神经网络具有很强的非线性拟合功能，通过建立人工神经网络来模拟活性污泥工艺，能较好地训练出实际结果。

1. 概述

1.1神经网络概述和污水厂简介

人工神经网络从环境中学习，并把学习的结果分布存储于网络的突触连接中。再用环境训练它得出结果。

某污水厂采用普通活性污泥法治理污水，表一表二为日常污水厂运行时实测值，其中，表一为污水进入厂内测得Sso，Snho等12项值。表二为污水通过活性污泥法处理出水时测得Ss和Xs值。输入表一数据为神经网络输入端，表二为输出端，通过实测值建立活性污泥工艺神经网络模型。并以此输入表三所示的另一组污水进厂时Sso，Snho等12项值，经过神经网络训练，得出污水厂污泥易降解有机碳Ss和缓慢降解有机碳Xs的运行结果。

2.神经网络模拟污水厂Ss和Xs运行结果

2.1神经网络模拟污水厂Ss和Xs运行步骤

图一

图二                                  图三

2.2神经网络模拟污水厂Ss和Xs运行结果

图四                                       图五

图六

2.3神经网络模拟污水厂Ss和Xs结果分析

                                   图七

     采用进水水质Sso等12个指标作为输入层的12个单元，隐含层建立18层，出水水质的Ss和Xs作为输出的2个单元。数据分析见表五，表六。由于第六组数据误差性较大，剔除异常数据后分析，Ss运行结果与实测效果相差10%左右，而Xs相差15%左右。分析原因如下：1.可能由于建立模型数据输入量较少，模型与实际情况的模拟有出入。2.影响污水厂活性污泥法处理效果因素有很多，本模型输入层未全部纳入导致误差。3.实际情况下的环境系统复杂多变，可能与当天天气状况导致温度等差异有关。

表五

表六

3.结论

   （1）神经网络模拟污水厂活性污泥法运行效果预测较好，误差小于20%。当数据量大时，误差更小。

   （2）对于高度非线性、工作机理不甚清楚的污水处理活性污泥系统,采用神经网络模型，可以初步了解运行效果，对于提前规划建立污水厂污水处理系统相关有较好的参考作用。

   （3）利用建立的神经网络模型,实现对活性污泥系统运行情况的仿真和出水水质的预测研究, 并可验证现有的活性污泥系统机理规律或发现新的机理规律, 具有较好的实践意义。