基于PSO-RBF神经网络模型的原水水质评价方法及应用

摘要

针对自来水生产过程的原水水质评价问题,提出了一种基于PSO-RBF神经网络模型的原水水质评价方法.首先,根据水厂生产经验和历史数据分析,制定面向自来水生产过程的原水水质评价标准.然后,采用粒子群优化(PSO)算法训练的RBF神经网络模型,对苏州市相城水厂的进厂原水水质实施在线评价.最后,将进厂原水水质在线评价结果作为前馈量,增加相城水厂药剂(矾和臭氧)投加过程的前馈控制环节,使得药剂投加量能够根据原水水质的变化及时做出调整.实际应用效果表明,与改进前的反馈控制过程相比,过程出水水质更加平稳,提高了自来水生产过程应对原水水质变化的能力.