基于神经网络分类器的城市污水处理厂水力冲击预警系统

摘要：

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为“常规”和“冲击”两类,重点对“冲击”数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0～0.167和0.981～0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.

关键词：人工神经网络、水力冲击负荷、城市污水处理厂、日进水量、时间序列

所属期刊栏目：35

分类号：X32(环境规划与环境管理)

资助基金：国家自然科学基金No.51208424;西北大学“十二五”“211工程”创新人才培养项目No.YZZ13004 Supported by the National Natural Science Foundation of ChinaNo.51208424 and the Funded Projects of Independent Innovation of Northwest University PostgraduatesNo.YZZ13004

在线出版日期：2015-05-12（万方平台首次上网日期，不代表论文的发表时间）

页码：1224-1232