公开/公告号CN114862222A
专利类型发明专利
公开/公告日2022-08-05
原文格式PDF
申请/专利权人 北京工业大学;
申请/专利号CN202210536144.3
申请日2022-05-17
分类号G06Q10/06(2012.01);G06Q50/26(2012.01);G06K9/62(2022.01);G06N3/04(2006.01);G06N3/08(2006.01);
代理机构北京思海天达知识产权代理有限公司 11203;
代理人刘萍
地址 100124 北京市朝阳区平乐园100号
入库时间 2023-06-19 16:17:34
法律状态公告日
法律状态信息
法律状态
2022-08-23
实质审查的生效 IPC(主分类):G06Q10/06 专利申请号:2022105361443 申请日:20220517
实质审查的生效
2022-08-05
公开
发明专利申请公布
技术领域
本发明设计了一种基于加权模糊规则的石化污水可生化性分类评价方法,实现了对石化污水处理过程污水可生化性的实时准确评价。污水可生化性作为评价污水成分的指标之一,是选择不同工艺处理和操作策略的重要依据。准确评价石化污水可生化性对石化污水处理过程监控和控制至关重要,对石化污水处理过程中的节约能耗和安全稳定运行有着重要影响,是先进制造技术领域的重要分支,属于炼化污水处理与资源化利用领域。
背景技术
污水处理过程可实现污染物去除以及淡水资源循环利用,已经成为我国污水资源综合利用的战略举措之一。随着我国石油化工行业对水资源的需求量不断增加,导致石化污水产生量越来越大,做好石化污水处理工作保证石化污水处理厂高效稳定运行,不但具有较好的经济效益,而且能够显著提高环境和社会效益。因此,对石化污水处理过程进行研究有重要的意义,为科学进行污水处理提供支撑。
污水可生化性也称污水的生物可降解性,即污水中有机污染物被微生物降解的难易程度,其是评价污水成分的指标之一。石化污水可生化性评价是污水处理工艺选择和过程调控的重要依据。然而,局限于关键水质指标检测频率以及类别,普遍使用的水质指标评价法难以获得实时准确的评价结果。无法满足石化污水处理厂的实际需求。因此,利用智能手段进行精确评价是当前研究重点。
本发明设计了一种基于加权模糊规则的石化污水可生化性分类评价方法,主要通过分析污水处理过程特点,充分挖掘数据隐藏的信息,利用污水可生化性的特征变量,并进行相应预处理,基于加权模糊规则建立污水可生化性的分类评价模型,并利用在线数据对模型参数进行调整,实现了对污水可生化性的在线评价。
发明内容
本发明获得了一种基于加权模糊规则的石化污水可生化性分类评价方法,该评价模型以污水可生化性的四种类别为待分类评价变量,以氧化还原电位ORP、酸碱度pH、氨氮NH
本发明采用了如下的技术方案及实现步骤:
1.一种基于加权模糊规则的石化污水可生化性分类评价方法,包括以下步骤:
(1)确定待分类评价变量和相关变量:本发明主要针对石化污水处理过程中污水可生化性进行分类评价,确定氧化还原电位ORP、酸碱度pH、氨氮NH
(2)设计用于评价石化污水可生化性的加权模糊规则:
①根据特征变量的采样周期,其中酸碱度pH和氧化还原电位ORP采样周期为15分钟,分别表示为τ
②提取石化污水处理相关数据的模糊规则,所提取的初始规则如下:
R
R
R
R
R
其中,y表示待分类评价变量,C
其中,μ
(3)将加权模糊规则映射为模糊神经网络:将五个加权模糊规则及相应推理机制映射成一个模糊神经网络,其中加权模糊规则中的局部权重和全局权重对应于神经网络的连接权值,该网络的拓扑结构分为三层:术语层、规则层、分类层;确定神经网络13-5-4的连接方式,即术语层神经元13个,规则层神经元为5个,分类层神经元为4个;对模糊神经网络的权值进行随机赋值;模糊神经网络的输入表示为x(t)=[x
①术语层:该层由13个神经元组成,每个神经元的输出为:
a
其中,a
②规则层:规则层由5个神经元组成,每个神经元的输出为:
其中,
③分类层:分类层输出为:
其中,y
④定义误差函数为:
其中,y
其中,max表示取最大值的符号;
(4)训练神经网络,具体为:
①模型输入为x(1),x(2),…,x(t),…,x(P),P为训练样本个数,进行训练并设计计算步骤L
②t=L
其中,v
③学习步数L
(5)通过训练后的神经网络所求解出的y(t)计算d
本发明的创造性主要体现在:
(1)本发明针对当前石化污水处理厂评价污水可生化性的结果可靠性和准确性低等问题,提出了一种基于加权模糊规则的石化污水可生化性分类评价方法,根据石化污水处理过程数据选取了石化污水可生化性的7个特征变量:氧化还原电位ORP、酸碱度pH、氨氮NH
(2)本发明根据当前污水处理过程是一个复杂的、动态时变且易受外界干扰的过程,污水可生化性类别与特征变量间的关系不仅具有非线性、强耦合等特点,而且难以建立精确数学模型进行描述。另外,污水处理过程数据还存在噪声。因此,根据石化污水处理过程数据特点,结合模糊理论,设计了基于加权模糊规则的石化污水可生化性分类评价模型,实现了污水可生化性类别的准确预测,具有抗干扰能力强,预测精度高等特点。
特别要注意:本发明采用与石化污水可生化性相关的7个特征变量,基于加权模糊规则设计了一种石化污水可生化性的分类评价方法,只要采用了本发明的特征变量及方法进行污水可生化性类别的预测都应属于本发明的范围。
附图说明
图1是本发明的模糊神经网络结构图;
图2是本发明石化污水可生化性分类评价的混淆矩阵结果图;
具体实施方式
本发明获得了一种基于加权模糊规则的石化污水可生化性分类评价方法,选取石化污水可生化性的特征变量为氧化还原电位ORP、酸碱度pH、氨氮NH
实验数据来自某石化污水处理厂水质分析日报表;分别取氧化还原电位ORP、酸碱度pH、氨氮NH
本发明采用了如下的技术方案及实现步骤:
1.一种基于加权模糊规则的石化污水可生化性分类评价方法,包括以下步骤:
(1)确定待分类评价变量和相关变量:本发明主要针对石化污水处理过程中污水可生化性进行分类评价,确定氧化还原电位ORP、酸碱度pH、氨氮NH
(2)设计用于评价石化污水可生化性的加权模糊规则:
①根据特征变量的采样周期,其中酸碱度pH和氧化还原电位ORP采样周期为15分钟,分别表示为τ
②提取石化污水处理相关数据的模糊规则,所提取的初始规则如下:
R
R
R
R
R
其中,y表示待分类评价变量,C
其中,μ
(3)将加权模糊规则映射为模糊神经网络:将五个加权模糊规则及相应推理机制映射成一个模糊神经网络,其中加权模糊规则中的局部权重和全局权重对应于神经网络的连接权值,该网络的拓扑结构分为三层:术语层、规则层、分类层;确定神经网络13-5-4的连接方式,即术语层神经元13个,规则层神经元为5个,分类层神经元为4个;对模糊神经网络的权值进行随机赋值;模糊神经网络的输入表示为x(t)=[x
①术语层:该层由13个神经元组成,每个神经元的输出为:
a
其中,a
②规则层:规则层由5个神经元组成,每个神经元的输出为:
其中,
③分类层:分类层输出为:
其中,y
④定义误差函数为:
其中,y
其中,max表示取最大值的符号;
(4)训练神经网络,具体为:
①模型输入为x(1),x(2),…,x(t),…,x(P),P为训练样本个数,进行训练并设计计算步骤L
②t=L
其中,v
③学习步数L
(5)将测试样本数据作为训练后的模糊神经网络的输入,通过模糊神经网络所求解出的y(t)计算归一化后的最大值d
机译: 一种利用子模式学习对课程进行分类的方法和装置以及通过具有加权模糊隶属度函数的神经网络对学习进行细化的方法
机译: 模糊推理规则的重排方法和装置,模糊推理规则的编码方法和装置,根据模糊推理规则的模糊推理处理方法和装置,规则的重排方法和装置,编码方法和装置的规则,规则的推理处理方法及装置
机译: 一种具有加权模糊隶属度函数的多层神经网络分类方法及装置