论文部分内容阅读
氯作为城镇饮用水运用最为广泛的消毒剂,能够控制水中的细菌的滋生,防止疾病通过水进行传播。所以为了管网中能保持持续的消毒能力,我国的《生活饮用水卫生标准》（GB5749-2006）中要求出厂ClO2应大于等于0.1mg/L,管网末梢余氯应大于等于0.02mg/L。由于氯的不稳定性,会随运输时间的增加而在管网中发生非线性衰减。所以氯投加量很难控制,投加量不足则无法抑制管网内的微生物稳定性,而加氯量过多,容易与水中的有机物发生反应产生消毒副产物,对用户健康造成危害。所以实现对出水加氯量的精确控制,对企业管控水质恶化,减少消毒副产物提高资源利用率具有重要意义。本文收集了滇南某市水厂2年连续的出厂水的pH值、浊度、加氯量和3个末端检测点余氯量各730个数据,以建立动态神经网络管网余氯预测模型,研究成果及结论如下:（1）对余氯时间序列混沌特性进行判定。本文采用互信息法和FNN算法及C-C法从分别与同时两个方面确定延迟时间与嵌入维数,最终确定1#-3#检测点的延迟时间分别为5、3、5,嵌入维数分别为6、7、5,利用计算值对3组余氯序列进行相空间重构,以恢复折叠规律,方便找到相似规律数之间的映射关系。并利用最大Lyapunov指数对余氯序列的混沌特性进行判断,结果表明所取3个检测点的最大Lyapunov指数均大于0,具有明显的混沌特性,证明了该时间序列的可预测性。（2）建立CS-Elman神经网络余氯预测模型。确定以检测点的相隔?日的m-1个余氯值[xi,xi（10）1,...,xi（10）（m-2）?]及第i（10）（m-）1?日对应水厂出水指标（pH、浊度、加氯量）作为输入值,第i（10）（m-）1?日的余氯值xi（10）（m-）1?作为输出值,对Elman神经网络进行训练。但是由于Elman神经网络隐含层确定具有主观性,初始权值、阈值确定具有随机性,严重影响网络预测精度。所以本文采用自适应迭代法找到最佳隐含层数,采用布谷鸟算法（CS算法）优化初始权值、阈值,建立了自适应CS-Elman余氯预测模型。结果表明:CS-Elman余氯预测模型在3个检测点的预测精度分析中平均MSE为5.61×10-4,R2为0.91,MAPE为8.17,平均绝对误差为1.34,最大相对误差为18.78,较未优化Elman神经网络模型平均MSE降低了72.50%,R2上升了23.1%,MAPE下降了65.05%,平均绝对误差下降了64.56%,最大相对误差下降了57.99%,说明CS算法可以在很大程度上降低Elman神经网络预测误差,提高模型预测精度。（3）建立GA-NARX神经网络余氯预测模型。本文利用上述输入输出数据对NARX神经网络进行训练,由于NARX神经网络采用梯度下降法进行学习训练,所以很容易陷入局部最优值,加上需要人为确定隐含层数及延迟时间的组合值,导致预测值精度不高。所以本文采用自适应迭代的方式确定最佳延迟时间和隐含层数组合值,采用遗传算法（GA算法）对NARX神经网络进行优化,并对比了优化前后并行（Close-loop）和串-并行（Open-loop）两种结构NARX的预测精度。结果表明:（1）OGA-NARX模型的预测精度较高,较优化前ONARX神经网络预测平均MSE降低了98.10%,R2上升了17.60%,MAPE下降了91.74%,平均绝对误差下降了91.67%,最大相对误差下降了67.96%,证明遗传算法能够很大程度降低NARX的误差,提高NARX的学习效率。（2）优化前结构对于模型的精度的影响较大,误差累计作用使CNARX对数据的预测偏离度较大,而优化后两种结构预测精度差别较小,CGA-NARX预测总体精度略低于OGA-NARX平均MSE低了21.55%,R2升了0.34%,MAPE低了22.03%,平均绝对误差低了22.91%,而最大相对误差较CGA-NARX高了2.36%,总体上串-并行结构优于并行结构。（4）利用多元非线性回归对神经网络预测结果进行拟合,反向计算出出厂加氯量。首先对第三、四章不同模型的预测结果进行对比,发现OGA-NARX模型的预测效果最好。但由于神经网络具有“黑箱特性”,虽能实现对余氯的精准预测,却使我们很难了解影响因素与余氯量之间的相关关系,所以本文利用多元线性回归模型的拟合性能,拟合网络预测曲线,导出相关回归方程,建立因素与管网余氯量之间的数学关系式,试图分析查找出影响因素是如何对余氯量产生影响的,以对水厂加氯量控制实现指导。结果表明:（1）余氯量与pH和浊度成反比,而与加氯量成正比。（2）在满足管网前几日余氯量达标的情况下,当pH值在6.88-8.39间时（收集数据的最大最小值）,出水满足浊度?1NTU,加氯量?0.01mg/L,或出水浊度?3NTU,加氯量?0.06mg/L就可保证管网末端的3个检测点出水余氯达标。当浊度为极限状况7NTU时,增加加氯量?0.25mg/L,可保证3个检测点的余氯量达标。本文提出了基于动态神经网络的余氯预测模型,并采用多元非线性分析进一步对余氯影响因素进行分析,为水厂余氯预测提出了一种高效的新方法,能够为供水企业调整出水各项指标给予最直接的参考,同时也为其他行业的研究提供了一种新思路。