天津职业技术师范大学 天津 300222
随着工业和社会的发展及人口数量的增加，城市污水处理面临着水污染严重, 污水治理的严峻考验。在活性污泥污水处理过程中，很难处理水质及在线测量，特别是化学需氧量（COD）、生物需氧量（BOD）、氮含量等参数很难甚至不能及时测量获得，本文通过DEBP算法，并运用了模糊神经网络的强大辨识能力来实现对污水水质的在线测量。
关键词：DEBP算法 模糊神经网络 软测量
如今在城市的污水处理中，活性污泥法处理在运行过程中遇到一些实际的问题，比如发生膨胀，化学需氧量（COD）、生物需氧量（BOD）、氮含量会发生变化，如果严重会发生系统出错，污水处理的目的是出水水质基本稳定，符合国际规定的排放标准。但活性污泥法处理需要一个运行周期，通常需要十来个小时测量，关键不在在线测量。为了能够更好的让系统处理最佳状态，发挥最佳作用，要用DEBP算法，对污水的出水水质参数BOD的软测量进行在线测量显得尤为重要。
模糊神经网络结合了神经网络系统和模糊系统的长处，它在处理非线性、模糊性等问题上有很大的优越性，在智能信息处理方面存在巨大的潜力；使得越来越多的专家学者投入到这个领域中来，并做出了卓有成效的研究成果。
BP算法是学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法，人们也常把将多层前馈网络直接称为BP网络。而生物需氧量是指BOD，是指在一定期间内，微生物分解一定体积水中的某些可被氧化物质，特别是有机物质，所消耗的溶解氧的数量。以毫克/升或百分率、ppm表示。它是反映水中有机污染物含量的一个综合指标。
软测量技术是指实际生产经验知识与自动化理论相结合，利用现代化计算机技术软件对其进行测量，在城市污水处理中，利用软技术测量软件对水质的BOD在线进行测量，且动态响应速度快，它主要有辅助变量和主导变量、数据采集与处理、软测量建模等组成。
一、神经网络软测量模型
在活性污泥污水处理中，针对污水处理水质的特性，建立软测量模型。其中输入变量{x1.x2.x3.x4.x5}，对应主元件分析处理得到5个主元，输出为水质参数的BOD，如图1-1所示。
图1-1 预测软件模型图
该模型有四层，即输入层、隶属度函数生成层、推理层、解模糊化层组成。
一般输入层变量数目不能太多，防止神经网络不能正常视别，出现误判断。而隶属度函数生成层共为成L组，每一组都要计算出隶属度函数的函数值，而且都要计算中心值和宽度。第三层，它是模糊规律库中的模糊规则进行模糊推理，它分为大前提、小前提和结论。最后一层是解模糊化层，它主要是将模糊推理层得到的结论转化成可以控制的数值。它的方法很多，其中最大隶属度是最简单的方法。
二、DEBP算法
差分进化算法（DE）是一种随机并行搜索算法，该算法原理简单，调整参数少，容易控制。同时具有协同搜索功能，有记忆功能，它最大的亮点可以与其它算法结合，组成最优最先进的算法。
BP算法是误差反向传播的一种算法，它是指把某种误差量反馈到各个神经网络，从而得到各个神经网络的误差，它是各个网络层修正的参数指标，然后反复进行算法、修正，至到各个神经网络层达到预先设置好的参数，从而达到预期的精度。其一般误差函数为：
其中yd(t):是期望值输出，y(t)2是实际值输出。
BP算法也具有算法简单、易于其它算法相结合的特点，同时也具有很强的搜索能力。
DEBP算法是指把两种算法有机地结合在一起，在DE算法中加入BP概率因子的算法，从而调整FNNC模型中的参数，极大的提高了效率。其算法过程：
（1）初始化神经模糊网络的参数；
（2）确定适应度函数；
（3）初始化算法参数、初始化种群；
（4）变异操作，产生新个体；
（5）交叉操作，产生适合的个体；
（6）选择操作，对新个体进行比较再选择；
（7）对目标进行多次迭代，确定适应值，得到最优参数；
三、仿真实验
为了验证模糊神经网络控制器的有效性，对仿真控制器分两部分进行，即离线训练与在线测试。
1.离线训练
离线测试，首先选择系统输入样本，做为训练样本，采用DEBP算法，其中差分算法利用实数编码，优化过程中引入概率因子进行判断BP算法。其参数的表达式为：
图1-2 偏差E优化前后对比图
离线训练是神经模糊网络学习的一个较优平台，只要经过在线参数调试，才能有效精确控制。
2.在线测试
在线学习中BP算法调整公式为：
式中：、、是可调参数的学习速率；
经过在线学习过程后，与单纯的BP算法效果进行比较，其精度、动态响应都得到了良好的效果，且具有良好的控制。如图1-3所示。
图1-3 仿真效果
通过仿真得到的图形分析，DEBP算法在软测量系统中得到了良好的应用，其动态响应良好，控制精度也比较高，经过实践分析，这种算法具有一定的应用价值。
参考文献：
1．赵振宇 .模糊理论和神经网络的基础与应用.清华大学出版 2009.6.
2．陈雪娟;采用BP神经网络优化避碰模糊系统[J];常德师范学院学报(自然科学版);2003年04期.
3．柳春平;城市污水处理自动控制系统的研究[D];西安建筑科技大学;2004年.
4．谢源;污水处理中的COD模糊控制系统的研究[D];合肥工业大学;2002年.
论文作者:金邓勋 崔世钢
论文发表刊物:《科技中国》2017年3期
论文发表时间:2017/5/27
标签：算法论文; 在线论文; 神经网络论文; 测量论文; 模糊论文; 参数论文; 污水处理论文; 《科技中国》2017年3期论文;