基于LSSVM與NSGA-Ⅱ的反硝化-Anammox工藝協(xié)同優(yōu)化研究

段佩，張鋒，崔宏志，杜妍

摘要：針對反硝化-Anammox工藝中整體脫氮除碳能力較低的問題，提出基于LSSVM與NSGA-Ⅱ構(gòu)建廢水脫氮除碳處理的多目標(biāo)優(yōu)化模型。利用基于LSSVM的軟測量方法進(jìn)行脫氮除碳結(jié)果的相關(guān)變量的預(yù)測，通過NSGA-Ⅱ算法求解反硝化-Anammox工藝的全局最佳進(jìn)水條件的解集。經(jīng)仿真實(shí)驗(yàn)證明，通過LSSVM預(yù)測的CODrem等相關(guān)變量與真實(shí)值的誤差較小，基本滿足預(yù)測需求。按照優(yōu)化模型求解出的帕累托解集進(jìn)行廢水脫氮除碳處理，在NH3-N的去除率達(dá)到90.67%的同時(shí)，對TN、COD的去除率分別為80.21%、85.73%，氮、碳2種元素的整體去除率為85.54%，能夠滿足反硝化-Anammox工藝協(xié)同優(yōu)化的需求。

關(guān)鍵詞：LSSVM；NSGA-Ⅱ算法；厭氧氨氧化工藝；反硝化過程；協(xié)同優(yōu)化

中圖分類號：TQ340.9；X701

文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2023）12-0131-04

Research on collaborative optimization of denitrification-Anammox process based on LSSVM and NSGA-Ⅱ

DUAN Pei1，ZHANG Feng1，CUI Hongzhi1，DU Yan2

（1.Shangluo vocational and Technical College，Weinan 726000，Shaanxi China;

2.Shaanxi Provincial Environmental Investigation and Assessment Center，Xian? 710061，China）

Abstract：To solve the problem of low overall nitrogen and carbon removal capacity in denitrification-Anammox process，a multi-objective optimization model for wastewater nitrogen and carbon removal was proposed based on LSSVM and NSGA-Ⅱ.The LSSVM-based soft measurement method was used to predict the relevant variables of the denitrification and carbon removal results，and the solution set of the global optimal influent conditions of the denitrification-Anammox process was solved by the NSGA-II algorithm.The simulation experiment showed that the error between CODrem and other related variables predicted by LSSVM and the real value was small，which basically met the prediction requirements.According to the Pareto solution set solved by the multi-objective optimization model，the wastewater was treated with nitrogen and carbon removal，the removal rate of NH3-N was 90.67%，while the removal rate of TN and COD was 80.21% and 85.73%，respectively.The overall removal rate of nitrogen and carbon was 85.54%，which could meet the requirements of collaborative optimization of denitrification-Anammox process.

Key words：LSSVM;NSGA-Ⅱ algorithm;anammox process;denitrification process;collaborative optimization

厭氧氨氧化（Anaerobic Ammonium Oxidation，Anammox）工藝是廢水處理的重要工藝之一，該工藝能夠有效除去廢水中NO-3、NO-2、NH-3—N等氮元素污染物，且處理過程所需的能耗低、不存在二次污染等優(yōu)勢。而在嚴(yán)子春等的研究中證明，反硝化細(xì)菌會利用廢水中的有機(jī)物奪取Anammox菌的無氧呼吸的原料NO-3、NO-2等離子，在一定程度上抑制脫氮過程，同時(shí)反硝化細(xì)菌的呼吸會產(chǎn)生CO2，在廢水中的有機(jī)物含量較低時(shí)，這些CO2會作為無機(jī)碳原被Anammox菌利用，使其增殖富集能力得到提高。據(jù)研究可知，Anammox菌增殖富集能力的提升會提高其脫氮能力。因此，有學(xué)者提出反硝化-Anammox工藝，對脫氮的Anammox過程與除碳的協(xié)調(diào)反硝化過程進(jìn)行協(xié)同優(yōu)化，在有效去除廢水氮元素污染物的同時(shí)，去除一定量的有機(jī)碳元素?；诖耍袑W(xué)者驗(yàn)證了不同氧當(dāng)量（COD）濃度的脫氮除碳效果；在含有有機(jī)物的廢水中加入木炭，能夠有效提高廢水總氮（TN）的去除率；培養(yǎng)出脫氮除甲烷的耦合顆粒污泥。結(jié)合文獻(xiàn)～文獻(xiàn)的研究，提出基于LSSVM與NSGA-Ⅱ構(gòu)建多目標(biāo)優(yōu)化模型，以求解影響脫氮除碳過程的全局最佳進(jìn)水條件的解集，進(jìn)而實(shí)現(xiàn)對反硝化-Anammox工藝的協(xié)同優(yōu)化。

1基于LSSVM與NSGA-Ⅱ的反硝化-Anammox工藝協(xié)同優(yōu)化模型

考慮到廢水進(jìn)水條件會影響反硝化-Anammox工藝脫氮除碳2個(gè)過程，且2個(gè)過程存在耦合與競爭的關(guān)系，無法準(zhǔn)確用數(shù)學(xué)模型進(jìn)行描述，但其影響因素和其過程結(jié)果存在相對復(fù)雜的非線性關(guān)系，可通過軟測量的方式進(jìn)行結(jié)果的相關(guān)變量的預(yù)測。經(jīng)多方考慮，選擇以有機(jī)物的氧當(dāng)量（COD）去除值（CODrem）來反映反硝化過程的結(jié)果，以NH3-N的去除質(zhì)量濃度（CN，rem）、總氮（TN）去除質(zhì)量濃度（CTN，rem）來反映反硝化過程的結(jié)果，并基于最小二乘支持向量機(jī)（LSSVM）的軟測量方法構(gòu)建水質(zhì)預(yù)測模型，以實(shí)現(xiàn)對上述結(jié)果的預(yù)測。最后通過非支配遺傳算法（NSGA-Ⅱ）求解廢水進(jìn)水的最佳條件，實(shí)現(xiàn)對反硝化-Anammox工藝協(xié)同優(yōu)化。

1.1基于LSSVM的水質(zhì)預(yù)測模型

在基于LSSVM的水質(zhì)預(yù)測模型，將影響反硝化-Anammox工藝脫氮除碳過程的可調(diào)節(jié)的各個(gè)廢水進(jìn)水條件（以下簡稱進(jìn)水條件）看作基于LSSVM的軟測量模型中的已知變量，將CODrem、CN，rem、CTN，rem數(shù)值看作預(yù)測變量，構(gòu)建的LSSVM的軟測量模型，其構(gòu)建過程；首先采集各個(gè)影響因素在不同取值下的相關(guān)數(shù)據(jù)信息，并標(biāo)注其對應(yīng)的CODrem、CN，rem、CTN，rem數(shù)值，得到多個(gè)帶標(biāo)簽的樣本；然后在MATLAB2016a環(huán)境下，對LSSVM進(jìn)行編程，并抽多個(gè)樣本對LSSVM進(jìn)行訓(xùn)練，即完成水質(zhì)預(yù)測模型的構(gòu)建；最后還可通過剩下的樣本進(jìn)行模型測試，以確定模型的性能。

1.2 基于NSGA-Ⅱ的多目標(biāo)優(yōu)化模型

（1）根據(jù)多目標(biāo)求解問題的影響因素確定初始種群的數(shù)量N，并初始化種群，設(shè)定種群中每個(gè)個(gè)體的距離為0，初始擁擠度為1。

（2）根據(jù)預(yù)測變量，確定多目標(biāo)優(yōu)化目標(biāo)函數(shù)和約束條件。在反硝化-Anammox工藝的協(xié)同優(yōu)化問題中，其目標(biāo)函數(shù)

（fm）可表示為：

fm=f1（CN，rem）=sim（model1，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CCOD，rem）=sim（model2，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CTN，rem）=sim（model3，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）（1）

式中：［］里的內(nèi)容為各個(gè)進(jìn)水條件；model表示預(yù)測模型；CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin分別表示廢水進(jìn)水處的NH3-N質(zhì)量濃度、NO2-質(zhì)量濃度、COD含量、pH值。

約束條件C為：

C： 0CNH+4-N，in3200CNO-2-N，in4200CCOD，in12107.3PHin7.8（2）

（3）求解種群中每個(gè)個(gè)體的非支配解，再對這些解進(jìn)行排序，最后計(jì)算每個(gè)個(gè)體的擁擠度。

在廢水脫氮除碳處理的多目標(biāo)優(yōu)化問題中，目標(biāo)函數(shù)邊緣上的個(gè)體di的擁擠度為：

I（di）=

SymboleB@

（3）

式中：I表示個(gè)體擁擠度。

其余個(gè)體的dk的擁擠度為：

I′（dk）=I（dk）+I（dk+1）-I（dk-1）fm，max-fm，min（4）

式中：I′表示迭代更新后的擁擠度；k表示該個(gè)體在迭代前的排序序號；fm，max、fm，min分別表示非支配解fm的最大、最小值。

（4）為使所得最優(yōu)解跳出局部最優(yōu)的困境，采用模擬二進(jìn)制交叉和多項(xiàng)式變異的舉措進(jìn)行種群個(gè)體的基因重組。

（5）合并基因重組前后的所有個(gè)體，組成新的種群，再次執(zhí)行“（3）～（4）”，達(dá)到設(shè)定的最大迭代次數(shù)后，輸出各個(gè)群眾的全局最佳支配解組成的集合，完成對多目標(biāo)優(yōu)化問題的求解。

2實(shí)驗(yàn)驗(yàn)證

2.1實(shí)驗(yàn)條件及相關(guān)參數(shù)設(shè)置

選擇在實(shí)驗(yàn)室環(huán)境下采用UASB反應(yīng)器執(zhí)行反硝化-Anammox工藝，在調(diào)節(jié)影響因素的取值后連續(xù)運(yùn)行107 d，記錄相關(guān)影響因素的取值和脫氮除碳結(jié)果的相關(guān)變量的信息。經(jīng)過多次實(shí)驗(yàn)，共獲得140組樣本。選擇在MATLAB中進(jìn)行算法編程和算法仿真實(shí)驗(yàn)。設(shè)置LSSVM的核寬度為（0，100）、懲罰因子為（0，1 000）。設(shè)置NSGA-Ⅱ算法的相關(guān)參數(shù)，結(jié)果如表1所示。

2.2基于LSSVM的水質(zhì)預(yù)測模型性能驗(yàn)證

選擇通過網(wǎng)格搜索法和10倍交叉驗(yàn)證方法選取LSSVM的懲罰因子（γ）和徑向基核函數(shù)的核寬度（σ2）的最佳取值。經(jīng)實(shí)驗(yàn)，確定CODrem、CN，rem、CTN，rem3個(gè)預(yù)測模型的γ最佳取值分別為142.527、42.357、33.246;σ2最佳取值分別為1.376、0.167、0.425。

在進(jìn)行基于LSSVM的水質(zhì)預(yù)測模型性能驗(yàn)證實(shí)驗(yàn)時(shí)，隨機(jī)抽取100組組成訓(xùn)練集，其余樣本組成測試集，經(jīng)仿真實(shí)驗(yàn)，獲得基于LSSVM的水質(zhì)預(yù)測模型的CODrem、CN，rem、CTN，rem3個(gè)預(yù)測模型的訓(xùn)練與測試結(jié)果如圖1所示。

由圖1可知，前120組樣本為模型訓(xùn)練結(jié)果，后20組樣本為模型測試結(jié)果；結(jié)合圖1，經(jīng)統(tǒng)計(jì)學(xué)分析和計(jì)算，獲得水質(zhì)預(yù)測模型的預(yù)測性能結(jié)果，具體如表2所示。

由圖3、表2可知，基于LSSVM的軟測量方法，在訓(xùn)練過程中即具有較高的預(yù)測準(zhǔn)確度，經(jīng)訓(xùn)練后，基于LSSVM的水質(zhì)預(yù)測模型對CODrem、CN，rem、CTN，rem3種變量都具有較好的預(yù)測準(zhǔn)確度，其均方根誤差在26以下，最小的相對百分誤差絕對值的平均值在0.17以下，相關(guān)系數(shù)最高可達(dá)到0.996 9。因此，基于LSSVM的水質(zhì)預(yù)測模型對CODrem、CN，rem、CTN，rem3種變量具有較高的預(yù)測準(zhǔn)確度，基本能夠滿足水質(zhì)預(yù)測需求。

2.3基于LSSVM與NSGA-Ⅱ的廢水脫氮除碳處理多目標(biāo)優(yōu)化實(shí)驗(yàn)

在該實(shí)驗(yàn)中，將140組樣本全部作為訓(xùn)練樣本，以保證求解出的影響因素解集的全局最優(yōu)屬性。選擇將CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin作為輸入變量，經(jīng)500迭代，獲得共65組帕累托解集，對應(yīng)的CODrem、CN，rem、CTN，rem3種變量的關(guān)系圖如圖2所示;3種變量局部和全局去除率最高的累托解集如表3所示。

由圖2可知，在廢水脫氮除碳處理的帕累托解集中，CNH+4-N，in的取值在270、420 mg/L的2條線附近；CNO-2-N，in的取值大致位于210 ～290 mg/L；CCOD，in取值在300 mg/L附近，pHin無集中分布的取值。

在表3的4組解集中，CNO-2-N，in的變化對CODrem、CN，rem、CTN，rem3種變量的影響不明顯；隨著CCOD，in，CODrem增加，CN，rem先降低后回升，CTN，rem在不斷下降，證明厭氧氨氧化過程與反硝化過程存在協(xié)同關(guān)系。

在實(shí)際廢水處理中，往往需要NH3-N的去除率較高，即CN，rem/CNH+4-N，in的比值最大。結(jié)合表3可知，CCOD，in/CNH+4-N，in、CCOD，in/CNH+4-N，in2個(gè)比值的減小及CNH+4-N，in/CNO-2-N，in比值的增大，都能夠有效提升CN，rem/CNH+4-N，in的比值。通過對65組帕累托解集的分析可知，表3中的第4組解集的CN，rem/CNH+4-N，in的比值最大，在該廢水進(jìn)水條件下，NH3-N、TN、COD的去除率分別為90.67%、80.21%、85.73%，氮元素和有機(jī)碳元素的整體去除率為85.54%，具有較高的脫氮除碳能力。

3結(jié)語

研究將LSSVM用于廢水脫氮除碳處理后的CODrem、CN，rem、CTN，rem等變量的預(yù)測，并將NSGA-Ⅱ算法用于廢水脫氮除碳處理中厭氧氨氧化過程與反硝化過程的協(xié)同優(yōu)化求解。經(jīng)仿真實(shí)驗(yàn)可知，基于LSSVM的軟測量方法能夠?qū)崿F(xiàn)對CODrem等變量的準(zhǔn)確預(yù)測，且預(yù)測精度都高于98%，按照NSGA-Ⅱ算法求解出的某個(gè)帕累托解集進(jìn)行廢水脫氮除碳實(shí)驗(yàn)，能夠除去廢水中大量的NH3-N、TN和COD。因此，通過基于LSSVM與NSGA-Ⅱ的廢水脫氮除碳處理多目標(biāo)優(yōu)化模型求解廢水進(jìn)水的最佳條件，具有一定的研究價(jià)值。

【參考文獻(xiàn)】

[1]嚴(yán)子春，唐瑞祥，吳大冰.有機(jī)物對厭氧氨氧化生物膜反應(yīng)器脫氮效能及微生物群落的影響.環(huán)境科學(xué)學(xué)報(bào)，2021，41（4）：1303-1308.

[2]吳珊，王淑雅，王芬，等.溫度對ANAMMOX生物膜工藝的脫氮影響與菌群結(jié)構(gòu)分析.環(huán)境科學(xué)，2022，43（1）：416-423.

[4]常堯楓，郭萌蕾，謝軍祥，等.厭氧氨氧化脫氮除碳功能菌群結(jié)構(gòu)及代謝途徑.中國環(huán)境科學(xué)，2022，42（3）：1138-1145.

[5]劉春爽，李偉，于海彤，等.反硝化厭氧甲烷氧化與厭氧氨氧化耦合顆粒污泥脫氮效能.中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，46（1）：177-182.

[6]靳翱瑋，廖方新，孫遠(yuǎn)博，等.序批式運(yùn)行Anammox顆粒污泥的有機(jī)碳源脅迫效應(yīng).中國給水排水，2022，38（3）：14-20.

[7]陳重軍，曹茜斐，鄒馨怡，等.厭氧氨氧化顆粒污泥EPS的作用、成分及影響因素研究進(jìn)展.環(huán)境工程學(xué)報(bào)，2022，16（2）：381-389.

[8]杜睿，彭永臻.城市污水生物脫氮技術(shù)變革：厭氧氨氧化的研究與實(shí)踐新進(jìn)展.中國科學(xué)：技術(shù)科學(xué)，2022，52（3）：389-402.

[9]王振毅，李欣宇，趙大密，等.厭氧氨氧化耦合反硝化技術(shù)反應(yīng)機(jī)理及其影響因素研究進(jìn)展.煤炭與化工，2021，44（5）：120-124.

[10]趙杰俊，劉祖文，蔡曉媛，等.短程硝化-厭氧氨氧化工藝控制方法與機(jī)理分析.工業(yè)水處理，2021（4）：36-43.

[11]吳莉娜，王春艷，閆志斌，等.短程反硝化-厭氧氨氧化在廢水中的應(yīng)用進(jìn)展.科學(xué)技術(shù)與工程，2022，22（10）：3859-3867.

[12]梁金祿.高含硫氣田集輸管線內(nèi)腐蝕預(yù)測研究 .粘接，2020，41 （2）：138-141.

[13]張錦濤.混合智能算法在廢水處理過程多目標(biāo)優(yōu)化的研究.廣州：華南理工大學(xué)，2020.

[14]吳濤.基于特征提取和半監(jiān)督學(xué)習(xí)的圖像分類算法.粘接，2021，48 （11）：92-97.

[15]張秋瑩，李亮，邊笛.有機(jī)物對ANAMMOX反應(yīng)影響的研究進(jìn)展.環(huán)境工程，2022，40（1）：190-195.