神經(jīng)網(wǎng)絡在污水處理中的模型建構初探

鄭海棠 胡穎

摘 要：人工神經(jīng)網(wǎng)絡是對于人腦的模擬，具有自組織和自適應性以及較強容錯能力，在研究神經(jīng)網(wǎng)絡的基本原理及優(yōu)越性的基礎上，針對污水處理系統(tǒng)的不確定性和非線性特性，初步探討了應用BP神經(jīng)網(wǎng)絡對某市開發(fā)區(qū)污水處理系統(tǒng)進行模型的建構，以出水COD為輸出目標值，將進水各項水質(zhì)參數(shù)設置為神經(jīng)網(wǎng)絡的輸入量，建立污水處理系統(tǒng)的BP網(wǎng)絡模型，為在線控制建立模型基礎。

關鍵詞：神經(jīng)網(wǎng)絡 污水處理 BP神經(jīng)網(wǎng)絡 模型建構

中圖分類號：X70 文獻標識碼：A 文章編號：1672-3791（2016）01（c）-0014-03

水環(huán)境對于社會的可持續(xù)發(fā)展具有不可忽視的作用，但由于社會及工業(yè)的發(fā)展，水環(huán)境正受到越來越嚴重的污染。在水污染的治理過程中，由于處理系統(tǒng)受到內(nèi)外因素的影響，使得處理過程存在著一定隨機性和非線性特性，采用常規(guī)的方法建立較精確的處理模型比較困難[1]。神經(jīng)網(wǎng)絡因具有非線性的映射特性，在這方面展現(xiàn)出其優(yōu)越性。

1 神經(jīng)網(wǎng)絡概念及功能

神經(jīng)網(wǎng)絡全稱人工神經(jīng)網(wǎng)絡，是對于人腦的一種模擬，它模仿腦細胞進行信息的處理（模型如圖1）。信息傳入細胞體，通過調(diào)整節(jié)點之間關系，進行信息的處理。它的作用機理與傳統(tǒng)的信息處理和人工智能不同，具有自組織、自適應學習等特性，可以通過預先提供輸入數(shù)據(jù)以及與之對應的輸出數(shù)據(jù)，分析其中規(guī)律，然后根據(jù)規(guī)律進行結果的推算[2]。

由于人工神經(jīng)網(wǎng)絡具有較強的容錯能力、自適應學習特性以及并行工作的方式，能充分逼近復雜的非線性關系，在預測方面具有一定的優(yōu)越性。人工神經(jīng)網(wǎng)絡還具備人腦的聯(lián)想功能，能夠較快地找到針對某一問題的最優(yōu)解。

2 人工神經(jīng)網(wǎng)絡分類

根據(jù)網(wǎng)絡神經(jīng)元的連接方式，人工神經(jīng)網(wǎng)絡可分為：前向型網(wǎng)絡和互相結合型網(wǎng)絡。誤差反向傳播網(wǎng)絡（簡稱BP網(wǎng)絡）是典型的前向型網(wǎng)絡，具有代表性，應用較為廣泛。Hopfield模型是相互結合型網(wǎng)絡的代表，能夠較好地進行聯(lián)想記憶，具有較好的優(yōu)化效果。

根據(jù)參數(shù)調(diào)整的情況，人工神經(jīng)網(wǎng)絡可分為無教師信號學習和有教師信號學習兩種。教師信號即樣本的信號，無教師信號的學習通過運用認知器進行訓練，例如ART網(wǎng)絡和Kohonen網(wǎng)絡；有教師信號的學習則運用感知器進行訓練，例如BP網(wǎng)絡和Hopfield網(wǎng)絡，學習系統(tǒng)如圖2所示，分為輸入、訓練及輸出三個部分。

3 BP網(wǎng)絡在污水處理中的模型應用

3.1 污水處理系統(tǒng)的特性

污水處理系統(tǒng)由于其處理水的來源較復雜，既有生活污水，又有工業(yè)廢水，有的還含有少量的雨水，使得原水水質(zhì)具有多變性及不確定性特點，是一個復雜的處理系統(tǒng)。在污水處理的過程中，由于系統(tǒng)本身內(nèi)部因素以及外部因素的影響，處理后的水質(zhì)具存在一定的不可預知性。

污水的來源中生活污水的主要成分為有機物和氮、磷、硫等成分，還含有較多的致病細菌、污染物濃度不高，處理后COD較容易達標，但TP（總磷）和TN（總氮）的達標較困難；而工業(yè)廢水由于來源種類多，水質(zhì)水量差異較大，這些都給污水的處理帶來了較多的不確定性因素。同時，由于污水處理過程中微生物活動的復雜性，使得處理中水質(zhì)參數(shù)的變化呈現(xiàn)非線性特性，而污水處理的出水水質(zhì)控制參數(shù)并不是單一的，這給水質(zhì)參數(shù)的在線監(jiān)測帶來了一定的困難，不易建立傳統(tǒng)的數(shù)學模型。而神經(jīng)網(wǎng)絡利用神經(jīng)元的相互作用進行信息的處理，具有較好的學習性和容錯能力，在水質(zhì)預測方面展現(xiàn)了良好的非線性映射能力。

3.2 BP網(wǎng)絡模型建構應用

誤差反向傳播網(wǎng)絡（BP網(wǎng)絡）是人工神經(jīng)網(wǎng)絡中應用最廣的，由于其優(yōu)良的非線性逼近能力，被廣泛應用于各種預測評價，例如：環(huán)境質(zhì)量預測及評價、污染物降解與釋放、水（處理、生態(tài)）系統(tǒng)的模擬與預測等方面。張文藝等[3]建立了基于BP神經(jīng)網(wǎng)絡的模型，對污水廠的運行進行了模擬，從而確定最佳運行狀態(tài)。李一平等[4]運用BP神經(jīng)網(wǎng)絡模型，對太湖生態(tài)系統(tǒng)進行了模擬預測。李祚泳、鄔紅娟等[5]的研究表明BP網(wǎng)絡模型用于水環(huán)境質(zhì)量評價具有客觀性和實用性。該次研究對于BP神經(jīng)網(wǎng)絡在具體的水處理系統(tǒng)中的模型建構應用進行了初步探討。

BP神經(jīng)網(wǎng)絡模型拓撲結構包括輸入層（input）、隱層（hide layer）和輸出層（output layer）（如圖3所示）。

其基本應用原理及程序如下：首先向網(wǎng)絡提供訓練因子即學習樣本[6]，神經(jīng)元的激活值從輸入層經(jīng)由隱層向輸出層傳播，經(jīng)各單元激活函數(shù)的運算，將隱含節(jié)點的信息傳至輸出層；根據(jù)輸出層的輸出值進行判斷，若實際輸出值與期望輸出值之間存在誤差，則進行反向傳播：將誤差信號沿著原連接通路返回，通過改變網(wǎng)絡中所有連接權值，再次進行運算，重復正向傳播過程，如此反復進行訓練，隨著誤差逆向傳播修正的不斷進行，誤差逐漸達到要求，正確率相應上升[7]。

針對某市開發(fā)區(qū)污水處理廠待處理廢水中工業(yè)廢水含量較高的情況，根據(jù)進水水質(zhì)中的COD，BOD，SS，以及氮磷的含量，采用典型污水處理工藝——活性污泥法，其處理流程如圖4所示：污水和生物污泥同時進入曝氣池，經(jīng)處理進入二次沉淀池，二沉池的出水為最終出水，為使曝氣池中的污泥具有活性，沉淀池中的部分污泥進入曝氣池回流。BP網(wǎng)絡模型的主要作用是在給定進水水質(zhì)和水質(zhì)指標的前提下，對出水水質(zhì)進行預測。該次研究以COD的處理程度作為研究對象，利用BP網(wǎng)絡進行模型建構，將輸入層神經(jīng)元設置如下：進水COD濃度、BOD、氨氮、DO、TP、TN，輸出層設置為出水COD，要想得到合理的期望輸出效果，需根據(jù)實際效果來調(diào)整隱含層的層數(shù)和節(jié)點數(shù)。隱層節(jié)點數(shù)的選擇在網(wǎng)絡中處于重要地位，不僅與輸入層以及輸出層的節(jié)點相關，也是結果出現(xiàn)“過擬合”的原因，因此為了保持較高的網(wǎng)絡性能，隱層節(jié)點數(shù)在保證精度的前提下盡可能減少。通常對于隱含層的激勵函數(shù)用S型函數(shù)（Sigmoid 函數(shù)）表示[2]：f（x）=1/（1+e-x）。該次污水處理流程根據(jù)各項參數(shù)建立網(wǎng)絡模型[8]YCOD=f（X，Wih，Woh）， 其中，YCOD表示出水COD，X表示輸入量，Wih，Woh分別代表輸入層、輸出層的連接權值，模型如圖5。

網(wǎng)絡在訓練過程中根據(jù)輸出結果的誤差程度對于神經(jīng)元個數(shù)進行相應調(diào)節(jié)。COD的輸出與各項水質(zhì)參數(shù)相關，可以只改變其中一個參數(shù)進行網(wǎng)絡調(diào)節(jié)，也可以同時對幾個參數(shù)做出變動而行調(diào)節(jié)[9]。經(jīng)過訓練后的BP網(wǎng)絡可以對系統(tǒng)實現(xiàn)模型辨識以及仿真，訓練完畢后則可在線預測系統(tǒng)的出水水質(zhì)，從而實現(xiàn)在線控制。

4 結語

BP網(wǎng)絡結構比較簡單，對于非線性系統(tǒng)能較好地進行模擬，對于污處理系統(tǒng)的不確定性和非線性特性能進行較好表達。但是，通過訓練樣本的學習如何合理地建立BP網(wǎng)絡模型，是一個復雜的過程，很大程度上需要依靠經(jīng)驗進行設計；加之網(wǎng)絡收斂速度較慢，訓練時間把握不好，一定程度上限制了其發(fā)展應用。

參考文獻

[1] 黃明智，馬邕文，萬金泉，等.污水處理中人工神經(jīng)網(wǎng)絡應用研究的探討[J].環(huán)境科學與技術，2008，31（3）：131-135.

[2] 蔣宗禮.人工神經(jīng)網(wǎng)絡導論[M].北京：高等教育出版社，2001.

[3] 張文藝，鐘梅英，蔡建安.活性污泥法系統(tǒng)人工神經(jīng)網(wǎng)絡模型[J].給水排水，2002，28（6）：12-15.

[4] 李一平，逄勇，田娜.太湖生態(tài)系統(tǒng)的人工神經(jīng)網(wǎng)絡模擬研究[J].環(huán)境科學與技術，2004，27（2）：43-46.

[5] 李祚泳，鄧新民.人工神經(jīng)網(wǎng)絡在水環(huán)境質(zhì)量評價中的應用[J]，中國環(huán)境監(jiān)測，1996，12（2）：36-39.

[6] 王磊.人工神經(jīng)網(wǎng)絡原理、分類及應用[J].科技資訊，2014（3）：240-241.

[7] 王旭輝，王錦，許兆義，等.BP神經(jīng)網(wǎng)絡在水處理工藝中的應用研究[J].能源環(huán)境保護，2006，20（3）：1-3.

[8] 樓文高，劉遂慶.活性污泥系統(tǒng)神經(jīng)網(wǎng)絡建模與仿真[J].環(huán)境污染與防治，2005，27（9）：704-709.

[9] 魯明，王文成，洪鋒，等.神經(jīng)網(wǎng)絡在污水處理過程中的應用[J].計算機測量與控制，2014，22（5）：1546-1548.