摘要：以漯河市污水净化中心的Carrousel氧化沟（以下简称氧化沟）系统为考察对象，针对该系统进水水质复杂，控制滞后的难点，引入人工神经网络的理论和方法，对其模拟分析，建立了基于BP网络的氧化沟系统出水COD预报模型。模型性能检验和灵敏度检验表明，建成的模型准确度高，适应性强，可直接用于该系统出水COD预报，这为氧化沟工艺在线控制提供了一条简便的途径。
关键词：人工神经网络 氧化沟系统 出水COD
The ANN Model Predicting Effluent of Carrousel Oxidation Ditch System. Abstract: The carrousel oxidation ditch system in Luohe Center of Wastewater Treatment is difficult to control on-line because the influent characteristics are complex and vary significantly. To resolve the problem, advanced artificial neural network (ANN) was employed to simulate the correlation between water parameters of oxidation ditch system and a BPNN model predicting effluent was built up. Sentivity and performance tests showed that the model can adapt to different situations and has good ability to generalize. It can be directly used to predict effluent concentration, which is very helpful to oxidation ditch system control on-line.Keywords: ANN; oxidation ditch system; effluent
漯河市污水净化中心于2000年7月正式投产，采用的是典型的极具代表性的Carrousel氧化沟工艺，污水来源主要是屠宰废水、食品加工废水、化工废水和生活污水，其主要技术指标：一期工程：2000年7.7万吨/日（生活污水2万吨/日，工业污水5.7万吨/日），设计流量8万吨/日，设计的进水负荷：COD≤500mg/l，BOD5≤200mg/l，SS≤200mg/l，设计出水指标：COD≤120mg/l，BOD５≤30mg/l，SS≤30mg/l，实际出水水质状况（建模(用人工神经网络建立的氧化沟出水COD预报的模型的简称)数学数据范围，其它不完整记录中有超出以下范围的记录）：SS：10～170mg/l，COD：16～77mg/l，TN：2.9～56mg/l，TP：0.03～0.91mg/l ；二期工程2010年11.8万吨/日（生活污水2.6万吨/日，工业污水9.2万吨/日）。由于进水中工业污水成分达到约74%,实际运行水质波动极大，对系统构成强烈冲击，进水COD最高记录超过600mg/l，进水SS经常维持在115～600mg/l，不同工作日进水水质强烈起伏，使工艺在线控制比较棘手，出水达标排放难以保证。对氧化沟这一复杂的活性污泥系统，由于影响工艺过程的因素反应的复杂性和高度非线性，常规的模型适应能力有限，而以机理分析为基础的动力学模型要求信息完备，参数齐全，实际生产中不便于推广。人工神经网络(ANN)以其连续时间的动力学行为、良好的非线性品质、大规模并行分布处理、高度稳健性和学习联想能力等特点，被广泛应用于模式识别、信号处理、系统控制中。并且ANN可以不完备信息建模，不需要被辨识对象阶次结构等先验知识，建模方法简单[1-3]。本研究针对该净化中心氧化沟系统进水水质复杂、起伏大，控制滞后的难点，通过使用BP模型，直接以正常运行时的生产数据为学习样本建模，预报出水COD，详细探讨了模型设计、训练及检验等环节，建成的模型准确度较高，适应性强，可作为一种定性与定量相结合的有效工具，直接用于该系统出水COD预报。
1 模型原理及设计1.1 BP网络模型
