發(fā)布時間：2018-6-1 14:53:02  中國污水處理工程網(wǎng)

　　申請日2013.10.23

　　公開(公告)日2014.03.12

　　IPC分類號G06F19/00

　　摘要

　　本發(fā)明公開了一種城市污水處理過程出水指標(biāo)在線軟測量預(yù)測方法，該方法首先采用以相關(guān)性為原則和遞歸偏最小二乘法為局部模型的即時學(xué)習(xí)模型結(jié)構(gòu)，同時基于統(tǒng)計學(xué)習(xí)理論對模型自身不確定性進(jìn)行描述，該模型可以充分反映污水處理過程不確定性、大滯后等特點，預(yù)測結(jié)果的解釋性更強(qiáng)，控制人員可以及時調(diào)整曝氣池的曝氣量、回流量等工藝變量，維持物料平衡和細(xì)菌種群平衡，充分實現(xiàn)有機(jī)物的高效去除。

　　權(quán)利要求書

　　1.一種城市污水處理過程出水指標(biāo)在線軟測量預(yù)測方法，其特征在于，包 括以下步驟：

　　1)將從污水廠獲取的數(shù)據(jù)中去除超過標(biāo)準(zhǔn)差3倍的數(shù)據(jù)，之后再將余下數(shù) 據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

　　$x_{i,m}=\frac{x_i-m}{s}$

　　其中，xi，m是xi的轉(zhuǎn)換形式，i=1，2，…，N，m和s分別是均值和標(biāo)準(zhǔn)差;

　　2)將處理后的數(shù)據(jù)作為模型的訓(xùn)練集合，并把訓(xùn)練集合數(shù)據(jù)放在空間G中;

　　3)現(xiàn)場測量獲取一個新數(shù)據(jù)點后，開始建立局部模型：

　�、俑鶕�(jù)新來數(shù)據(jù)點選擇與之相關(guān)的數(shù)據(jù)

　　首先引入Ci，j對其相關(guān)性進(jìn)行衡量：

　　x′i=xi-xq

　　x′j=xj-xq

　　$C_{i,j}=\frac{x_j^{\prime }{x}_i^{\prime T}}{\left|\right|x_i^{\prime }\left|\right|\left|\right|x_j^{\prime }\left|\right|}>r$

　　其中，xi和xj是空間集合G中的數(shù)據(jù)，xq是新數(shù)據(jù)，隨后選擇相關(guān)系數(shù)Ci，j的 數(shù)據(jù)并置于相關(guān)數(shù)據(jù)空間Z中，考察空間Z中的樣本數(shù)是否大于數(shù)據(jù)的維數(shù)，如 果大于則下一步，否則按r=r-δ放松相關(guān)限r(nóng)的限制，使空間Z中的樣本數(shù)大 于數(shù)據(jù)的維數(shù)，按此邏輯，重新計算Ci，j，之后再進(jìn)一步計算主元分析PCA指標(biāo)， 進(jìn)而加深數(shù)據(jù)選擇的相關(guān)性，如下情況：

　　假設(shè)B=[X，Y]是n×m的數(shù)據(jù)矩陣，PCA將多變量的輸入數(shù)據(jù)矩陣進(jìn)行奇異值 分解后得到主元和特征向量：

　　$B={\mathrm{TP}}^T=t_1{p}_1^T+t_2{p}_2^T+...+t_m{p}_m^T+\mathrm{\ϵ}$

　　其中，ti∈Rn被稱為得分向量，即矩陣B的主元，pi∈Rm被稱為負(fù)荷向量， ε是殘差矩陣，它包含了系統(tǒng)的數(shù)據(jù)的主要噪聲，T=[t1，t2，…，tn]和 P=[p1，p2，…，，pm]分別是得分向量矩陣和負(fù)荷向量矩陣，當(dāng)給定一個新的采樣向 量，PCA的得分向量、預(yù)測和殘差向量的關(guān)系如下：

　　$t_i={\mathrm{bp}}_i,\hat{b}=\mathrm{bC},\tilde{b}=b(I-C)$

　　其中，C=PTP，是預(yù)測值，是殘差，采樣向量被映射到了主元空間和 殘差空間，即，

　　$b=\hat{b}+\tilde{b}$

　　統(tǒng)計量Q主要用于測量殘差數(shù)據(jù)的變化

　　$Q={\left|\right|\tilde{b}\left|\right|}^2=b(I-C)b^T$

　　Q統(tǒng)計量是衡量原始數(shù)據(jù)和主元分析PCA處理后數(shù)據(jù)的差異性的指標(biāo)，此外， 為了避免模型外推誤差，引入了T2統(tǒng)計量指標(biāo)，T2統(tǒng)計量定義如下：

　　$T^2={\Sigma }_{i=1}^l\frac{t_l^2}{{\sigma }_{t_l}^2}$

　　其中，表示第l個得分tl的標(biāo)準(zhǔn)差，l的確定是對進(jìn)行累加計算，直到 所對應(yīng)的l值，T2統(tǒng)計量越小，則表示采樣數(shù)據(jù)靠近模型數(shù)據(jù)的 均值，Q統(tǒng)計量和T2統(tǒng)計量能作為綜合指標(biāo)來衡量數(shù)據(jù)的差異，J越小說明數(shù) 據(jù)的相關(guān)性越強(qiáng)，否則相反，

　　J=λT2+(1-λ)Q

　　其中，T2和Q可由上述統(tǒng)計量計算公式算得，通常λ設(shè)置為0.9，

　　確定最終數(shù)據(jù)選擇指標(biāo)J，并根據(jù)相應(yīng)的J選擇相對最相關(guān)的數(shù)據(jù)放于相應(yīng) 的數(shù)據(jù)庫L中用于后續(xù)遞歸偏最小二乘算法的建模;

　　②建立回歸偏最小二乘模型

　　根據(jù)相關(guān)數(shù)據(jù)集合，即數(shù)據(jù)庫L，計算CPLS和相應(yīng)的預(yù)測值：

　　CPLS=(XTX)+XTY;ynew，=CPLSxq

　　其中，X是數(shù)據(jù)庫L中的與xq相關(guān)性最大的輸入數(shù)據(jù)，Y是數(shù)據(jù)庫L中的需 要預(yù)測的歷史值，而0+是右逆，CPLS是PLS算法的回歸系數(shù);

　�、蹖τ谛聛淼臄�(shù)據(jù)點，除了利用數(shù)據(jù)庫L來訓(xùn)練回歸模型外，利用校驗集 合來計算每個輸出值的p值，因此，每次只需計算新的數(shù)據(jù)點xq的可能分配到y(tǒng)q的值，將作為p值處理：

　　$p((x_1,y_1),\·\·\·,(x_d,y_d),(x_q,y_q))=p\left(y_q\right)=\frac{\#\{i=n+1,...,d,q:{\alpha }_i\≥{\alpha }_q^{y_q}\}}{d-n+2}$

　　其中，#A代表了集合A中元素個數(shù)，若可以計算校驗集合中每個可能輸出 的p值，所有輸出的p值在置信度δ以內(nèi)則其至少有δ概率發(fā)生故障，因此，給 定置信度1-η，ICP算法的輸出為：

　　{yq：p(yq)>η}，

　　一致性測量指標(biāo)是用來衡量真實輸出值yi和預(yù)測值而可由 計算得出，相對于采樣點xi的重要指標(biāo)，定義為真實值和預(yù)測值的 絕對誤差：

　　${\alpha }_i=|y_i-{\hat{y}}_i|$

　　以降序的方式排列計算所得αn+1，…，αd，在此基礎(chǔ)上計算有上公式計算 p(yq)，再通過比例公式推斷得出其中，σB和σp分 別是空間G數(shù)據(jù)點標(biāo)準(zhǔn)偏差和對應(yīng)獲得輸出新數(shù)據(jù)點的標(biāo)準(zhǔn)偏差，從而可確定 其不確定區(qū)間為(-2σp，2σp);

　　4)當(dāng)新數(shù)據(jù)xq更新后，回到步驟3)計算新數(shù)據(jù)預(yù)測值ynew。

　　2.根據(jù)權(quán)利要求1所述的一種城市污水處理過程出水指標(biāo)在線軟測量預(yù)測 方法，其特征在于：步驟3)中第③點所述的校驗集合是空間G中與新來數(shù)據(jù)點 時間最近的，新來采樣時刻d的采樣點以前的一段數(shù)據(jù)。

　　說明書

　　一種城市污水處理過程出水指標(biāo)在線軟測量預(yù)測方法

　　技術(shù)領(lǐng)域

　　本發(fā)明涉及城市污水處理的技術(shù)領(lǐng)域，尤其是指一種基于即時學(xué)習(xí)算法和 統(tǒng)計學(xué)習(xí)理論提出了帶有模型不確定描述的城市污水處理過程出水指標(biāo)在線軟 測量預(yù)測方法。

　　背景技術(shù)

　　污水處理是采取特定工藝將污水中的污染物分離出去或?qū)⑵滢D(zhuǎn)化為無害物 質(zhì)，從而凈化污水的一個過程。但是污水處理過程的生產(chǎn)條件惡劣，隨機(jī)干擾 嚴(yán)重，并且具有多輸入、多輸出、不確定性、強(qiáng)非線性、大滯后、大時變等特 點，使得該過程發(fā)雜，難以用機(jī)理模型進(jìn)行準(zhǔn)確的描述。此外，由于污水處理 系統(tǒng)復(fù)雜性，有一些重要出水指標(biāo)(如BOD5、COD、SVI等)無法在線實時測 量，BOD5是污水處理過程中重要的出水指標(biāo)，用于檢測水體中有機(jī)污染物情況， 它直接影響著污水廠的生產(chǎn)運(yùn)行。研制新型硬件檢測儀表雖然可以直接解決 BOD5的檢測問題，但是污水處理過程反應(yīng)復(fù)雜，導(dǎo)致硬件儀表的檢測精度有限， 在線儀表維護(hù)成本高。污水處理的生化反應(yīng)過程易受污水的濃度、天氣、氣溫、 時間變化的影響，國際水質(zhì)協(xié)會IWA(International Water Association)制定的污 水生化處理過程的標(biāo)準(zhǔn)模型是在特定的環(huán)境下制定出來的，具有很大的局限性。 當(dāng)污水的濃度、天氣、氣溫、時間變化時，所反映出的溶解氧和出水指標(biāo)值與 標(biāo)準(zhǔn)模型得出的值有很大的偏差。需要針對污水處理的生化反應(yīng)特點，根據(jù)污 水處理廠的實際檢測數(shù)據(jù)，進(jìn)行出水水質(zhì)預(yù)測模型研究，借助建模的各種理論 與方法，包括數(shù)據(jù)的預(yù)處理、模型的建立、模型的校正等環(huán)節(jié)，為污水處理廠 建立適用的出水水質(zhì)預(yù)測模型。軟測量為此提供了新的解決途徑，其基本思路 是通過易于在線測量的變量建立合適的模型預(yù)測難于測量的變量。近年來軟測 量技術(shù)獲得了長足的發(fā)展，其研究領(lǐng)域涉及到石油、化工、環(huán)保等領(lǐng)域。

　　現(xiàn)有的污水水質(zhì)軟測量預(yù)測模型(例如基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型等)都未 考慮實際的污水處理過程中，作為模型輸入變量的關(guān)鍵工藝參數(shù)的檢測儀表容 易漂移甚至故障的問題，本發(fā)明不僅通過軟測量模型預(yù)測水質(zhì)關(guān)鍵參數(shù)，同時 對模型偏差進(jìn)行在線修正，對模型不確定性進(jìn)行數(shù)學(xué)描述，作為模型預(yù)測準(zhǔn)確 性評價。

　　發(fā)明內(nèi)容

　　本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種城市污水處理過程出水 指標(biāo)在線軟測量預(yù)測方法，該方法不僅能夠提供污水水質(zhì)出水指標(biāo)的預(yù)測值， 同時給出了基于統(tǒng)計學(xué)習(xí)理論的模型不確定性描述，充分反映污水處理過程不 確定性、大滯后等特點，根據(jù)軟測量預(yù)測結(jié)果，控制人員可以及時調(diào)整曝氣池 的曝氣量、回流量等工藝變量，維持物料平衡和細(xì)菌種群平衡，充分實現(xiàn)有機(jī) 物的高效去除。

　　為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種城市污水處理過程出 水指標(biāo)在線軟測量預(yù)測方法，包括以下步驟：

　　1)將從污水廠獲取的數(shù)據(jù)中去除超過標(biāo)準(zhǔn)差3倍的數(shù)據(jù)，之后再將余下數(shù) 據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

　　$x_{i,m}=\frac{x_i-m}{s}$

　　其中，xi，m是xi的轉(zhuǎn)換形式，i=1，2，…，N，m和s分別是均值和標(biāo)準(zhǔn)差;

　　2)將處理后的數(shù)據(jù)作為模型的訓(xùn)練集合，并把訓(xùn)練集合數(shù)據(jù)放在空間G中;

　　3)現(xiàn)場測量獲取一個新數(shù)據(jù)點后，開始建立局部模型：

　�、俑鶕�(jù)新來數(shù)據(jù)點選擇與之相關(guān)的數(shù)據(jù)

　　首先引入Ci，j對其相關(guān)性進(jìn)行衡量：

　　x′i=xi-xq

　　x′j=xj-xq

　　$C_{i,j}=\frac{x_j^{\prime }{x}_i^{\prime T}}{\left|\right|x_i^{\prime }\left|\right|\left|\right|x_j^{\prime }\left|\right|}>r$

　　其中，xi和xj是空間集合G中的數(shù)據(jù)，xq是新數(shù)據(jù)，隨后選擇相關(guān)系數(shù)Ci，j的 數(shù)據(jù)并置于相關(guān)數(shù)據(jù)空間Z中，考察空間Z中的樣本數(shù)是否大于數(shù)據(jù)的維數(shù)，如 果大于則下一步，否則按r=r-δ放松相關(guān)限r(nóng)的限制，使空間Z中的樣本數(shù)大 于數(shù)據(jù)的維數(shù)，按此邏輯，重新計算Ci，j，之后再進(jìn)一步計算主元分析PCA指標(biāo)， 進(jìn)而加深數(shù)據(jù)選擇的相關(guān)性，如下情況：

　　假設(shè)B=[X，Y]是n×m的數(shù)據(jù)矩陣，PCA將多變量的輸入數(shù)據(jù)矩陣進(jìn)行奇異值 分解后得到主元和特征向量：

　　$B={\mathrm{TP}}^T=t_1{p}_1^T+t_2{p}_2^T+...+t_m{p}_m^T+\mathrm{\ϵ}$

　　其中，ti∈Rn被稱為得分向量，即矩陣B的主元，pi∈Rm被稱為負(fù)荷向量， ε是殘差矩陣，它包含了系統(tǒng)的數(shù)據(jù)的主要噪聲，T=[t1，t2，…，tn]和 P=[p1，p2，…，pm]分別是得分向量矩陣和負(fù)荷向量矩陣，當(dāng)給定一個新的采樣向 量，PCA的得分向量、預(yù)測和殘差向量的關(guān)系如下：

　　$t_i={\mathrm{bp}}_i,\hat{b}=\mathrm{bC},\tilde{b}=b(I-C)$

　　其中，C=PTP，是預(yù)測值，是殘差，采樣向量被映射到了主元空間和 殘差空間，即，

　　$b=\hat{b}+\tilde{b}$

　　統(tǒng)計量Q主要用于測量殘差數(shù)據(jù)的變化

　　$Q={\left|\right|\tilde{b}\left|\right|}^2=b(I-C)b^T$

　　Q統(tǒng)計量是衡量原始數(shù)據(jù)和主元分析PCA處理后數(shù)據(jù)的差異性的指標(biāo)，此外， 為了避免模型外推誤差，引入了T2統(tǒng)計量指標(biāo)，T2統(tǒng)計量定義如下：

　　$T^2={\Sigma }_{i=1}^l\frac{t_l^2}{{\sigma }_{t_l}^2}$

　　其中，表示第l個得分tl的標(biāo)準(zhǔn)差，l的確定是對進(jìn)行累加計算，直到 所對應(yīng)的l值，T2統(tǒng)計量越小，則表示采樣數(shù)據(jù)靠近模型數(shù)據(jù)的 均值，Q統(tǒng)計量和T2統(tǒng)計量能作為綜合指標(biāo)來衡量數(shù)據(jù)的差異，J越小說明數(shù) 據(jù)的相關(guān)性越強(qiáng)，否則相反，

　　J=λT2+(1-λ)Q

　　其中，T2和Q可由上述統(tǒng)計量計算公式算得，通常λ設(shè)置為0.9，

　　確定最終數(shù)據(jù)選擇指標(biāo)J，并根據(jù)相應(yīng)的J選擇相對最相關(guān)的數(shù)據(jù)放于相應(yīng) 的數(shù)據(jù)庫L中用于后續(xù)遞歸偏最小二乘算法的建模;

　�、诮�立回歸偏最小二乘模型

　　根據(jù)相關(guān)數(shù)據(jù)集合，即數(shù)據(jù)庫L，計算CPLS和相應(yīng)的預(yù)測值：

　　CPLS=(XTX)+XTY;ynew，=cPLSxq

　　其中，X是數(shù)據(jù)庫L中的與xq相關(guān)性最大的輸入數(shù)據(jù)，Y是數(shù)據(jù)庫L中的需 要預(yù)測的歷史值，而0+是右逆，CPLS是PLS算法的回歸系數(shù);

　�、蹖τ谛聛淼臄�(shù)據(jù)點，除了利用數(shù)據(jù)庫L來訓(xùn)練回歸模型外，利用校驗集 合來計算每個輸出值的p值，因此，每次只需計算新的數(shù)據(jù)點xq的可能分配到y(tǒng)q的值，將作為p值處理：

　　$p((x_1,y_1),\·\·\·,(x_d,y_d),(x_q,y_q))=p\left(y_q\right)=\frac{\#\{i=n+1,...,d,q:{\alpha }_i\≥{\alpha }_q^{y_q}\}}{d-n+2}$

　　其中，#A代表了集合A中元素個數(shù)，若可以計算校驗集合中每個可能輸出 的p值，所有輸出的p值在置信度δ以內(nèi)則其至少有δ概率發(fā)生故障，因此，給 定置信度1-η，ICP算法的輸出為：

　　{yq：p(yq)>η}，

　　一致性測量指標(biāo)是用來衡量真實輸出值yi和預(yù)測值而可由 計算得出，相對于采樣點xi的重要指標(biāo)，定義為真實值和預(yù)測值的 絕對誤差：

　　${\alpha }_i=|y_i-{\hat{y}}_i|$

　　以降序的方式排列計算所得αn+1，…，αd，在此基礎(chǔ)上計算有上公式計算 p(yq)，再通過比例公式推斷得出其中，σB和σp分 別是空間G數(shù)據(jù)點標(biāo)準(zhǔn)偏差和對應(yīng)獲得輸出新數(shù)據(jù)點的標(biāo)準(zhǔn)偏差，從而可確定 其不確定區(qū)間為(-2σp，2σp);

　　4)當(dāng)新數(shù)據(jù)xq更新后，回到步驟3)計算新數(shù)據(jù)預(yù)測值ynew。

　　步驟3)中第③點所述的校驗集合是空間G中與新來數(shù)據(jù)點時間最近的，新 來采樣時刻d的采樣點以前的一段數(shù)據(jù)。

　　本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點與有益效果：

　　1、本發(fā)明針對一些重要出水指標(biāo)(如BOD5、COD、SVI等)無法在線實時測 量的問題，根據(jù)即時學(xué)習(xí)可以快速逼近非線性函數(shù)的特點，對BOD5等重要出水 指標(biāo)進(jìn)行了軟測量預(yù)測，省去了研制硬件傳感器的復(fù)雜過程，因而更具方便性;

　　2、本發(fā)明采用了相關(guān)性原則和遞歸偏最小二乘方法為局部模型，解決了即 時學(xué)習(xí)測量精度差的問題;

　　3、本發(fā)明利用統(tǒng)計學(xué)習(xí)理論對即時模型不確定進(jìn)行了描述，避免了由于傳 統(tǒng)軟測量模型輸出單一而導(dǎo)致的魯棒性不強(qiáng)的難題。