基于模糊神经网络的出水总磷软测量方法研究  

Effluent total phosphorus detecting method and its application based on soft-sensor and FNN techniques

作　　者：郭民[1,2] 张一弛[1,3,2] 韩红桂[1,3] 

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100124 [2]数字社区教育部工程研究中心,北京100124 [3]计算智能与智能系统北京市重点实验室,北京100124

出　　处：《计算机与应用化学》2016年第2期223-227,共5页Computers and Applied Chemistry

基　　金：国家自然科学基金(61203099;61225016);北京市科技计划课题(Z141100001414005;Z141101004414058);中国博士后科学基金资助项目(2014M550017;XJ2013018);北京市科技新星计划(Z131104000413007);教育部博士点基金项目(20121103120020;20131103110016);北京市教委项目(km201410005001;KZ201410005002);北京市朝阳区博士后资助项目(2014ZZ-05);北京市朝阳区协同创新项目(ZH14000177)

摘　　要：在污水处理过程中,出水总磷(Total Phosphorus,TP)是衡量污水处理效果的关键参数之一。本文针对目前出水TP难以实时测量的问题,提出了一种基于模糊神经网络(FNN)的出水TP软测量方法。该软测量方法通过实际运行数据,利用偏最小二乘法(Partial Least Squares,PLS)筛选出与出水TP相关性强的过程变量;同时,利用FNN建立了出水TP与相关性变量之间的软测量模型,并将该方法嵌入到污水处理运行系统。实验结果显示该软测量方法能够实现出水TP的实时预测,并且具有较好的预测精度。Total Phosphorus （TP） is a key parameter to evaluate the performance of a wastewater treatment plant （WWTP）. A soft-sensor monitoring method modelling by fuzzy neural network （FNN） was proposed in this paper to solve the problem of time-delay in TP measurement. To ensure accuracy and computing efficiency of soft-sensor model, the data used in this paper was obtained from a WWTP in China and Partial Least Squares （PLS） technique was utilized to suppress the irrelevant process variables with effluent TP. The soft-sensor system was embedded in wastewater treatment process and tested with satisfactory results.

关 键 词：污水处理 出水TP 偏最小二乘法 神经网络 软测量技术 

分 类 号：TQ015.9[化学工程]