技術(shù)頻道

娓娓工業(yè)
您現(xiàn)在的位置: 中國(guó)傳動(dòng)網(wǎng) > 技術(shù)頻道 > 技術(shù)百科 > BP神經(jīng)網(wǎng)絡(luò)在污水處理建模中的應(yīng)用研究

BP神經(jīng)網(wǎng)絡(luò)在污水處理建模中的應(yīng)用研究

時(shí)間:2010-07-07 13:38:07來(lái)源:zhangting

導(dǎo)語(yǔ):?本文介紹了BP人工神經(jīng)網(wǎng)絡(luò)在污水處理中的應(yīng)用,對(duì)BP算法進(jìn)行了簡(jiǎn)單介紹,同時(shí)對(duì)網(wǎng)絡(luò)的創(chuàng)建及實(shí)現(xiàn)過(guò)程進(jìn)行了詳細(xì)的介紹。

      摘要:本文介紹了BP人工神經(jīng)網(wǎng)絡(luò)在污水處理中的應(yīng)用,對(duì)BP算法進(jìn)行了簡(jiǎn)單介紹,同時(shí)對(duì)網(wǎng)絡(luò)的創(chuàng)建及實(shí)現(xiàn)過(guò)程進(jìn)行了詳細(xì)的介紹。對(duì)仿真結(jié)果做了較為詳細(xì)的分析。仿真結(jié)果表明:BP網(wǎng)絡(luò)的自學(xué)習(xí)功能很適合污水處理過(guò)程的建模,很好的預(yù)測(cè)了出水水質(zhì)COD的含量。


      關(guān)鍵詞:BP網(wǎng)絡(luò);污水處理; 建模



Modeling Study of Activated Sludge Process Based on BP Neural Network
CHI Ming-jie , QI Xing-guang

(School of Electronic Information and Control Engineering, Shandong Institute of Light Industry , Jinan 250353,China)
      Abstract: This paper introduced the application of  BP artificial neural network in the wastewater treatment and give a detailed description of the realization progress. The simulation results showed that: the BP network, self-learning function is very suitable for sewage treatment process modeling and the quality of COD was predicted very well.
      Key words: BP network; Wastewater treatment; modeling;

 

      一:引言
      污水處理過(guò)程模型是模擬各類(lèi)微生物、有機(jī)養(yǎng)料在處理過(guò)程中的主要?jiǎng)討B(tài)行為和系統(tǒng)工藝特性的數(shù)學(xué)模型,由于污水處理過(guò)程具有非線(xiàn)性、大滯后、時(shí)變性和隨機(jī)性等特點(diǎn),因此很難建立精確的數(shù)學(xué)模型。同時(shí),污水處理系統(tǒng)又是一個(gè)多變量相互影響的耦合系統(tǒng),需要同時(shí)控制多個(gè)變量。所以基于機(jī)理的數(shù)學(xué)模型涉及參數(shù)眾多,有些參數(shù)很難或無(wú)法進(jìn)行直接測(cè)量,進(jìn)而通過(guò)動(dòng)力學(xué)模型描述污水生物處理的動(dòng)態(tài)特性存在很大的困難。本文引入具有很強(qiáng)的自適應(yīng)、自學(xué)習(xí)性的BP神經(jīng)網(wǎng)絡(luò)對(duì)污水處理系統(tǒng)的出水COD進(jìn)行預(yù)測(cè)。仿真結(jié)果顯示:所建模型較好的預(yù)測(cè)出水COD的含量。


      二:算法簡(jiǎn)介
      誤差反向傳播BP(back-propagation)算法由兩部分構(gòu)成[3],信息的正向傳遞與誤差的反向傳播。在正向傳遞的過(guò)程中,BP網(wǎng)絡(luò)的信號(hào)由輸入層經(jīng)隱含層向輸出層傳播,在輸出層的神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。BP網(wǎng)絡(luò)工作時(shí)前饋的信息處理方式是前向型網(wǎng)絡(luò)的特征。如果在輸出層沒(méi)有得到期望的輸出,則計(jì)算輸出層的誤差變化值,從輸出層反向經(jīng)過(guò)各中間層回到輸入層,從而逐層修正各連接權(quán)值,直至達(dá)到期望的目標(biāo)值。


      三:BP網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練
      1.BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的確立
     (1)隱含層的確定
      在訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí),我們首先要確定網(wǎng)絡(luò)的層數(shù),最重要的是隱層的個(gè)數(shù)。理論證明,具有偏差、S型隱含層和一個(gè)線(xiàn)性輸出層的網(wǎng)絡(luò)能夠逼近任何有理函數(shù)。這就說(shuō)明:增加隱含層的層數(shù)可以降低誤差,但是會(huì)導(dǎo)致BP網(wǎng)絡(luò)訓(xùn)練時(shí)間過(guò)長(zhǎng)、誤差過(guò)大;所以我們也可以考慮通過(guò)增加隱含層神經(jīng)元的個(gè)數(shù)來(lái)提高訓(xùn)練的精度,并且訓(xùn)練的效果具有更直觀(guān)性。鑒于上述,在本模型中我們選用一個(gè)隱含層。
     (2)隱含層神經(jīng)元數(shù)目的確定
      污水處理廠(chǎng)出水COD濃度受多個(gè)因素的影響。主要包括pH值、進(jìn)水COD濃度、混合液懸浮固體濃度(SS)、氨氮等。因此神經(jīng)網(wǎng)絡(luò)選擇4個(gè)輸入神經(jīng)元,1個(gè)輸出神經(jīng)元為污水處理廠(chǎng)出水COD濃度。
      到目前為止,BP網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)的確定尚沒(méi)有成熟的理論指導(dǎo)[2],一般常用Trial-and-error法確定,即從較少的神經(jīng)元數(shù)開(kāi)始依次遞增,反復(fù)試驗(yàn)從中選取最優(yōu)的神經(jīng)元數(shù)目。本文采用的是參考部分經(jīng)驗(yàn)公式來(lái)選擇最佳隱含層神經(jīng)元數(shù)目[1],參考公式如下: 

 

 

      其中n1 為隱含層神經(jīng)元數(shù);m為輸入層神經(jīng)元數(shù);n輸出單元數(shù); a 為0~10之間的常數(shù)。本文輸入層神經(jīng)元數(shù)為4個(gè),輸出神經(jīng)元數(shù)為1個(gè),a 選取4,綜上所述,本文隱含層神經(jīng)元數(shù)選取為6個(gè)。
     (3)隨機(jī)改變網(wǎng)絡(luò)初始權(quán)值
      如果網(wǎng)絡(luò)初始連接權(quán)值相同,則每次訓(xùn)練只能搜索到相同的極值點(diǎn),很難求得全局極小點(diǎn)鄰域。由于誤差函數(shù)存在很多局部極小點(diǎn),因此,程序必須具有能夠隨機(jī)改變網(wǎng)絡(luò)初始連接權(quán)值的功能??筛鶕?jù)下列公式修改權(quán)值和閥值[1]:
a:利用輸出層各單元的一般化誤差  與中間層各單元的輸出bj 來(lái)修正連接權(quán)值 vjt和閾值yi [2] 。
      

      t=1,2…,q    j=1,2…,P,  0      b:利用中間層各單元的一般化誤差ekj ,輸入層各單元的輸入Pk=(a1,a2,...,an) 來(lái)修正連接權(quán)值 wij和閥值 。 

      i=1,2…,q    j=1,2…,P,  0<<1 
      2.試驗(yàn)數(shù)據(jù)預(yù)處理
      本文數(shù)據(jù)選取了河北承德某污水處理廠(chǎng)的150組數(shù)據(jù)(表1給出了部分實(shí)驗(yàn)數(shù)據(jù)),為提高網(wǎng)絡(luò)的學(xué)習(xí)速度和泛化能力,首先對(duì)輸入數(shù)據(jù)進(jìn)行隨機(jī)排序,這樣有利于網(wǎng)絡(luò)獲得更好的泛化能力,也可以有效避免網(wǎng)絡(luò)陷入局部最小值的危險(xiǎn)。

 


                   表1    部分實(shí)驗(yàn)數(shù)據(jù)

      由于輸入樣本的數(shù)據(jù)相對(duì)比較分散,不利于誤差的調(diào)整,同時(shí)可能引起各層之間權(quán)值和閾值的飽和。所以為了提高預(yù)測(cè)模型的精度和訓(xùn)練速度,我們首先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,使輸入數(shù)據(jù)歸一到[0.1,0.9]范圍內(nèi)。對(duì)數(shù)據(jù)進(jìn)行歸一化方法有很多,在本文中通過(guò)下列公式來(lái)對(duì)數(shù)據(jù)進(jìn)行處理: 

      Lmin為所有輸入樣本中的最小值,Lmax為所有輸入樣本中的最大值,經(jīng)過(guò)這樣換算以后,網(wǎng)絡(luò)的輸入值接近于正態(tài)分布。
      4.仿真結(jié)果分析
      本文數(shù)據(jù)選取了150組數(shù)據(jù),其中134組作為訓(xùn)練網(wǎng)絡(luò)的樣本數(shù)據(jù),為了驗(yàn)證網(wǎng)絡(luò)的有效性將剩余的16組作為網(wǎng)絡(luò)模型的檢測(cè)數(shù)據(jù),分析實(shí)際值和模型預(yù)測(cè)值的擬合度。

 

 

 
圖1   COD的誤差變化曲線(xiàn)

     (1)通過(guò)圖1可以得出,雖然BP網(wǎng)絡(luò)在迭代次數(shù)較少時(shí),誤差較大,但模型經(jīng)過(guò)6500次循環(huán)之后,網(wǎng)絡(luò)誤差趨于平穩(wěn)。雖然訓(xùn)練速度是比較慢的,但是訓(xùn)練結(jié)束時(shí)網(wǎng)絡(luò)均方誤差為0.00999982,達(dá)到了預(yù)先的設(shè)定值。經(jīng)過(guò)多次試驗(yàn)發(fā)現(xiàn),所構(gòu)建網(wǎng)絡(luò)的整體性能是比較穩(wěn)定的,網(wǎng)絡(luò)最小誤差都能達(dá)到設(shè)定值0.01。

 

 
                  圖2   COD的實(shí)際輸出值和預(yù)測(cè)輸出值


 
                        

圖3  網(wǎng)絡(luò)的誤差曲線(xiàn)

    

      (2)通過(guò)圖2可以看到,我們運(yùn)用訓(xùn)練成熟的神經(jīng)網(wǎng)絡(luò)對(duì)16組未學(xué)習(xí)過(guò)的數(shù)據(jù)進(jìn)行了檢測(cè),輸出曲線(xiàn)顯示模型的預(yù)測(cè)值和實(shí)際值擬合度還是比較理想的, 另外通過(guò)圖3,我們可以看到相對(duì)誤差在3%以?xún)?nèi),說(shuō)明該BP網(wǎng)絡(luò)模型良好的非線(xiàn)性逼近能力和泛化能力。所以綜上所述,神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)學(xué)習(xí)后所建立起來(lái)的BP網(wǎng)絡(luò)是比較成功的,基于BP神經(jīng)網(wǎng)絡(luò)的污水處理模型是有效、可行的。

      四、小結(jié)
      對(duì)于高度非線(xiàn)性、工作機(jī)理不是很清楚的污水處理過(guò)程進(jìn)行建模,采用適用于非線(xiàn)性、黑箱系統(tǒng)建模的神經(jīng)網(wǎng)絡(luò)技術(shù),理論上能取得較好的效果, 可以很方便地利用已經(jīng)建立的神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)對(duì)出水水質(zhì)的預(yù)測(cè),具有較高的研究?jī)r(jià)值和較好的實(shí)踐意義。

      參考文獻(xiàn)
      [1]  葛哲學(xué),孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007實(shí)現(xiàn)[M].電子工業(yè)出版社
      [2]  董長(zhǎng)虹. MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用 [M].國(guó)防工業(yè)出版社
      [3]  樓文高,劉遂慶.基于神經(jīng)網(wǎng)絡(luò)的活性污泥系統(tǒng)建模及其控制[J]. 環(huán)境污染治理技術(shù)與設(shè)備,2006,(8)
      [4]  崔玉理.基于神經(jīng)網(wǎng)絡(luò)的污水處理過(guò)程建模及仿真的研究[J].山東科技大學(xué)碩士論文.


      作者簡(jiǎn)介:遲明杰  男  山東輕工業(yè)學(xué)院在讀碩士,研究方向:智能檢測(cè)及儀器
      聯(lián)系方式:電話(huà)13969159761  郵箱 qymingjie@sina.com

 

 

標(biāo)簽:

點(diǎn)贊

分享到:

上一篇:基于模糊控制的光伏發(fā)電最大...

下一篇:微能WIN-V63矢量控制變頻器在...

中國(guó)傳動(dòng)網(wǎng)版權(quán)與免責(zé)聲明:凡本網(wǎng)注明[來(lái)源:中國(guó)傳動(dòng)網(wǎng)]的所有文字、圖片、音視和視頻文件,版權(quán)均為中國(guó)傳動(dòng)網(wǎng)(m.u63ivq3.com)獨(dú)家所有。如需轉(zhuǎn)載請(qǐng)與0755-82949061聯(lián)系。任何媒體、網(wǎng)站或個(gè)人轉(zhuǎn)載使用時(shí)須注明來(lái)源“中國(guó)傳動(dòng)網(wǎng)”,違反者本網(wǎng)將追究其法律責(zé)任。

本網(wǎng)轉(zhuǎn)載并注明其他來(lái)源的稿件,均來(lái)自互聯(lián)網(wǎng)或業(yè)內(nèi)投稿人士,版權(quán)屬于原版權(quán)人。轉(zhuǎn)載請(qǐng)保留稿件來(lái)源及作者,禁止擅自篡改,違者自負(fù)版權(quán)法律責(zé)任。

網(wǎng)站簡(jiǎn)介|會(huì)員服務(wù)|聯(lián)系方式|幫助信息|版權(quán)信息|網(wǎng)站地圖|友情鏈接|法律支持|意見(jiàn)反饋|sitemap

傳動(dòng)網(wǎng)-工業(yè)自動(dòng)化與智能制造的全媒體“互聯(lián)網(wǎng)+”創(chuàng)新服務(wù)平臺(tái)

網(wǎng)站客服服務(wù)咨詢(xún)采購(gòu)咨詢(xún)媒體合作

Chuandong.com Copyright ?2005 - 2024 ,All Rights Reserved 深圳市奧美大唐廣告有限公司 版權(quán)所有
粵ICP備 14004826號(hào) | 營(yíng)業(yè)執(zhí)照證書(shū) | 不良信息舉報(bào)中心 | 粵公網(wǎng)安備 44030402000946號(hào)