基于CIHS-RBF的生物生態(tài)組合污水處理建模技術(shù)研究.pdf

1、生物生態(tài)組合污水處理是將傳統(tǒng)生物處理系統(tǒng)和生態(tài)處理系統(tǒng)聯(lián)合起來(lái)對(duì)污水進(jìn)行處理。如果能對(duì)其建立精確的污水處理模型，從而實(shí)現(xiàn)生物段生態(tài)段污水處理負(fù)荷的合理分配，在保證污水出水水質(zhì)滿足排放標(biāo)準(zhǔn)的情況下，盡可能采用生態(tài)處理系統(tǒng)進(jìn)行污水處理，不僅能降低污水處理的成本，亦可達(dá)到節(jié)能降耗的目的。污水處理本身就是一個(gè)高度復(fù)雜的非線性生化反應(yīng)過(guò)程，生物生態(tài)組合污水處理過(guò)程更是加大了數(shù)學(xué)建模的難度，故將具有優(yōu)良的非線性函數(shù)逼近特性、自適應(yīng)學(xué)習(xí)和歸納能力的人

2、工神經(jīng)網(wǎng)絡(luò)應(yīng)用于污水處理智能建模領(lǐng)域。為了進(jìn)一步提高神經(jīng)網(wǎng)絡(luò)智能模型的性能，本文采用新近提出的和聲搜索算法代替常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，該算法概念簡(jiǎn)單，全局搜索能力強(qiáng)，易于實(shí)現(xiàn)，已成功應(yīng)用于諸多領(lǐng)域。結(jié)合前人的研究經(jīng)驗(yàn)和成果，開(kāi)展建立基于混沌改進(jìn)的和聲搜索算法訓(xùn)練徑向基神經(jīng)網(wǎng)絡(luò)的生物生態(tài)組合污水處理智能模型的研究工作，主要工作內(nèi)容如下：
　?、籴槍?duì)現(xiàn)有改進(jìn)和聲搜索算法沒(méi)有方向性，收斂時(shí)間長(zhǎng)等不足，提出了混沌改進(jìn)的和聲搜

3、索算法。對(duì)改進(jìn)和聲搜索算法的部分參數(shù)設(shè)置提出新的調(diào)整，增強(qiáng)算法的全局搜索能力；采用基于二次載波的混沌優(yōu)化算法來(lái)初始化以及更新和聲記憶庫(kù)，引導(dǎo)算法往潛在的最優(yōu)解鄰域進(jìn)行搜索，縮短算法的收斂時(shí)間。
　?、谔岢霾捎没煦绺倪M(jìn)的和聲搜索算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的策略。以非線性函數(shù)逼近和Iris分類(lèi)問(wèn)題作為仿真實(shí)例，將分別由幾種常見(jiàn)的和聲搜索算法訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)測(cè)試結(jié)果和標(biāo)準(zhǔn)RBF神經(jīng)網(wǎng)絡(luò)的測(cè)試結(jié)果進(jìn)行對(duì)比，結(jié)果表明經(jīng)過(guò)參數(shù)優(yōu)化后的R

4、BF神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的逼近能力和更高的預(yù)測(cè)精度；與其它幾種和聲搜索算法相比，混沌改進(jìn)的和聲搜索算法具有更快的收斂速度，更高的訓(xùn)練精度和測(cè)試精度。
　　③建立了基于CIHS-RBF神經(jīng)網(wǎng)絡(luò)的智能模型，并將之應(yīng)用于重慶某生物生態(tài)組合污水處理廠。一系列實(shí)驗(yàn)證明，該模型能夠?qū)ι锒紊鷳B(tài)段污水處理負(fù)荷進(jìn)行合理分配，提供準(zhǔn)確的工藝參數(shù)和出水水質(zhì)。最后集成該模型和相關(guān)污水處理過(guò)程節(jié)能控制策略，開(kāi)發(fā)了基于LabVIEW虛擬儀器平臺(tái)的生物生態(tài)組合污