人工神经网络,造纸废水,建模

人工神经网络用于造纸废水处理建模的研究

黄明护

1

，马悒文2，万金全

2

，李迪3，胡志华

2

（1.华南理工大学资源科学与造纸工程学院，广东广州 510640；2.华南理工大学环境科学与

工程学院，广东广州 510640；3.华南理工大学机械工程学院，广东广州 510640）

摘要：利用造纸废水处理监控系统取得表征废水水质的各项指标，在此基础上

研究了基于BP网络和RBF网络的造纸废水处理建模。仿真结果表明，BP网络较RBF网络对样本数据的仿真误差较小，泛化能力更好；输入量考虑历史出水COD变化趋势的网络，其仿真效果要优于不考虑变化趋势的网络；运用基于BP网络和RBF网络的造纸废水处理模型能够准确预测出水COD，为实现废水处理的自动控制提供可行途径。

关键词：造纸；废水处理；BP神经网络；RBF神经网络；仿真研究

中文分类号：TP389.1 文献标识码：A 文章编号：1003-2673（2006）

05-0022-03

在造纸废水处理过程中，进水流量、进水COD以及加药量等因素直接关系到出水水质的好坏；另外由于目前大多造纸厂采用人工操作控制、操作误差、测量滞后等原因，亦造成出水水质的不稳定、故障频发等问题，而智能控制可以解决这一问题。废水处理过程具有复杂性、非线性、时变性、不确定性等特点。人工神经网络以其具有自学习、自组织、自适应以及良好的非线性映射等能力，特别适合复杂非线性系统的建模与控制，其中目前广泛应用的BP网络和RBF网络以其各自的有点，成为废水处理的研究热点。本文在造纸废水处理一体化系统中取得表征废水处理指标的基础上，通过实现对BP网络和RBF网络的设计、建立、仿真和运行，考察这两种网络对造纸废水处理的适应性，为更好的有效实现造纸废水处理的自动控制提供可行途径。

1. 人工神经网络废水处理建模原理

人工神经网络（简称ANN）对废水处理系统的建模原理如图1所示，首先根据废水处理系统的输入输出数据建立样本集。在学习过程中把样本集中的数据输入神经网络；根据样本的输入值计算出网络的输出值；计算样本输出与网络输出的差值；根据计算的差值由梯度下降法调整网络的权矩阵；重复上述过程，直到整个样本集的误差不超过规定范围，学习即结束。

经过训练后的网络模型相当于实际废水处理系统的近似模型，如果通过采集模块实际系统的进水各水质指标并输入网络，得到的王林输出应该近似等于对应于各水质指标的实际系统的出水COD。基于这样的原理，针对滞后性的废水处理系统，本研究采用ANN模型对未来时刻的出水COD进行预测，其中网络输入为与未来时刻出水COD有关的因素，网络输出为未来时刻的出水COD，以期