O工艺出水氨氮在线预测模型

中国环境科学2012,32(2)：260~267ChinaEnvironmentalScience基于模糊神经网络的A2/O工艺出水氨氮在线预测模型胡康1,万金泉1,2,3*,马邕文1,2,3,黄明智2,3,王艳2,3(1.华南理工大学制浆造纸国家重点实验室,广东广州510641；2.华南理工大学环境科学与工程学院,广东广州510006；3.华南理工大学教育部工业聚集区污染控制与生态修复重点实验室,广东广州510006)摘要：采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.关键词：自适应模糊人工神经网络；自适应模糊C均值聚类算法；污水处理；氨氮去除；厌氧/缺氧/好氧污水处理系统中图分类号：X703文献标识码：A文章编号：1000-6923(2012)02-0260-08OnlinepredictionmodelbasedonfuzzyneuralnetworkfortheeffluentammoniaconcentrationofA2/Osystem.HUKang1,WANJin-quan1,2,3*,MAYong-wen1,2,3,HUANGMing-zhi2,3,WANGYan2,3(1.StateKeyLaboratoryofPulpandPaperEngineering,SouthChinaUniversityofTechnology,Guangzhou510641,China；2.SchoolofEnvironmentalScienceandEngineering,SouthChinaUniversityofTechnology,Guangzhou510006,China；3.KeyLaboratoryofPollutionControlandEcologicalRemediationforIndustrialAgglomerationAreaoftheMinistryofEducation,SouthChinaUniversityofTechnology,Guangzhou510006,China).ChinaEnvironmentalScience,2012,32(2)：260~267Abstract：Basedontheprototypeexperimentoftreatingsyntheticwastewaterinanaerobic/anoxic/oxic(A2/O)wastewatertreatmentsystem,anartificialneuralnetwork(ANN)modelandanadaptivenetworkbasedfuzzyinferencesystem(ANFIS)modelwereemployedtosimulatethetreatmentprocess.WhenconstructingtheonlinepredictionmodelinMATLAB,theonlinemonitoringparameters,namelyhydraulicretentiontime(HRT),influentpH(pH),dissolvedoxygen(DO),andmixed-liquidreturnratio(r),wereadoptedastheinputvariables,andeffluentammoniaconcentration(NH4+eff)wasusedasoutputvariable.Aself-adaptedfuzzyc-meansclusteringalgorithmwasusedtoidentifythefuzzyrulesandoptimizethemodel’soperationalparameters.Thesimulationresultsshownthat,comparedwiththeANNmodel,theANFISmodel’spredictedeffluentammoniaconcentrationsfittedtheobservedonesbetter,whichwassupportedbythemaximumrelativeerrorof6.45%,meanabsolutepercentageerror(MAPE)of2.8%,rootmeansquareerror(RMSE)of0.1209,andcorrelationcoefficient(R)valueof0.9956.Furthermore,3Dsurfacesobtainedduringthemodeltraining,whichdirectlyreflectedthenon-linearfunctionbetweenthefactorsandtheeffluentammoniaconcentration,canguidetheefficientandstableoperationoftheA2/Osystem.Keywords：adaptivenetworkbasedfuzzyinferencesystem(ANFIS)；self-adaptedfuzzyc-meansclusteringalgorithm；wastewatertreatment；ammoniaremoval；anaerobic/anoxic/oxic(A2/O)system生物脱氮除磷(BNR)工艺广泛用于污水处理,以去除污水中过量的氮和磷.A2/O工艺对污水中COD、氮和磷都具有较高的去除率,是目前较常用的一种生物脱氮除磷工艺[1].为了保证污水处理过程的稳定性、可靠性和安全性,人们已逐步将计算机技术应用于污水处理过程的控收稿日期：2011-06-22基金项目：广东省节能减排重大专项(2008A080800003);广东省自然科学基金(2011040000389)*责任作者,教授,[e-mail]2期胡康等：基于模糊神经网络的A2/O工艺出水氨氮在线预测模型261制[2].由于A2/O处理系统是集厌氧、缺氧和好氧为一体的污水处理工艺,具有高度的多变量、非线性与时变性等特点.因此,构建适合于A2/O处理工艺的仿真模型一直是污水处理研究领域的难点[3].人工神经网络(ANN)以它的高度自组织、自适应能力和灵活性已经在污水处理系统的仿真预测[4-6]和实时控制[7-8]等领域得到广泛的应用.然而,人工神经网络极易陷入局部最优解且不适合表达基于规则的知识,难于处理模糊性信息[9].模糊神经网络则将模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力结合于一体.基于Takagi-Sugeno推理的模型,是最常用的模糊神经网络模型,国内外学者针对其在污水处理领域的应用进行了大量研究[10-12].模糊C均值聚类(FCM)算法是硬聚类C均值(HCM)算法的推广,是目前模糊聚类算法的主要实用算法,被广泛地用于模式识别、图像处理和数据挖掘等领域[13-14],也常用于解决模糊神经网络构建过程中,模糊规则的确定问题[15].本研究采用A2/O工艺处理人工模拟污水,通过调控可在线监测的影响因素(HRT、pH、DO和r)得到不同的处理效果.针对反应器运行期间得到的数据,建立基于人工神经网络和自适应模糊神经网络(ANFIS)的在线预测模型,对出水氨氮浓度(NH4+eff)进行在线实时预测;为A2/O等污水处理工艺在线监控的实现提供参考.1材料与方法1.1实验装置实验所用A2/O反应器为有机玻璃制作,其中厌氧池40L,缺氧池40L,好氧池160L,如图1所示.厌氧池和缺氧池内均安装有电动搅拌器;好氧池底部配备微孔曝气头,通过鼓风机为好氧池提供氧气,气流大小可通过流量计进行控制.蠕动泵,搅拌器和鼓风机均由一个数据采集和控制(DCA)系统进行控制.1.2人工合成污水人工合成污水成分(mg/L):NH4Cl123.4,KH2PO443.9,葡萄糖808,淀粉103,蔗糖78,MgCl2·7H2O39,NaCl35,CaCl2·2H2O18,蛋白胨99,FeSO4·7H2O1.9,ZnSO4·7H2O0.7,MnSO4·H2O0.3,CuSO4·5H2O0.16,H3BO30.086,酵母提取物0.86.pH值HRTDO3I12544IIIIIIVIVVr图1实验装置示意Fig.1SchematicdiagramoftheexperimentalapparatusI.调节池,II.厌氧池,III.缺氧池,IV.好氧池,V.沉降池,1.搅拌器,2.蠕动泵,3.进水,4.曝气管,5.鼓风机1.3实验方法实验进水COD为1200mg/L,进水NH4+-N为32.3mg/L,进水PO43--P为10mg/L.分别在所选的4种参数组合下处理污水,实验中的进水流量和混合液回流比通过蠕动泵(保定兰格恒流泵有限公司,BT600-2J)控制,污水水力停留时间为:20,21.8,24,26.7,30h,混合液回流比为1、2和3.进水pH值采用盐酸和氢氧化钠进行调节,控制在6.3~8.3范围内.A2/O系统每个实验周期为24h,每周期从沉淀池中取上清液测量出水NH4+-N浓度.1.4分析项目及检测方法COD采用重铬酸钾滴定法测定;NH4+-N采用纳氏试剂分光光度法测定[16];DO值采用美国哈希GLI极谱法溶解氧分析仪进行在线监测;pH值采用美国哈希GLIpH分析仪进行在线监测.1.5自适应模糊C均值聚类模糊C均值聚类(FCM),是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法.该方法首先随机选取若干聚类中心,对所有数据点都分别赋予对各个聚类中心一定的模糊隶属度,然后通过迭代方法不断修正聚类中心.迭代过262中国环境科学32卷程中以极小化所有数据点到各个聚类中心的距离与隶属度值的加权和为优化目标.迭代过程在达到最大迭代次数或两次迭代的目标函数值减小的程度小于给定的最小增量准则时结束[17-18].假设样本观测数据矩阵为X={x1,x2,…,xn},其中12,,,Tiiipixxxx⎡⎤=⎣⎦L,模糊C均值聚类就是求使聚类目标函数J(U,V)最小的隶属度矩阵U=[uij]c×n以及聚类中心V={v1,v2,…,vc},其中12,,,Tiiipivvvv⎡⎤=⎣⎦L;{}11121212221212,,,nnnpppnxxxxxxxxxxxx⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦LLLMMML(1)()211,cnmijijijJUVud===∑∑(2)11cijiu==∑，1,2jncn≤≤≤≤(3)ijjidxv=−(4)式中:p为所选参数个数,n为参数观测数据总数,c为聚类数,m为模糊加权指数,dij为数据xj到聚类中心vi的欧氏距离.为保证聚类分析的有效性,本研究将有效性函数B(c)引入到模糊C均值聚类算法中,形成自适应模糊C均值聚类算法[19],其具体步骤如下:Step1:给定迭代标准ε=0.001,k=0,c=2,模糊加权指数m=2,B(1)=0,选取[0,1]上的均匀分布随机数为初始聚类中心V(0).Step2:通过下式计算第k步的隶属度矩阵U(k):()2