城市污水處理廠數(shù)據(jù)挖掘及相關技術研究.pdf

1、城市污水處理廠存在著“數(shù)據(jù)豐富，但信息貧乏”的現(xiàn)象。同時污水處理過程作為一個復雜的工業(yè)過程，它的數(shù)據(jù)跟商業(yè)、金融、生物學等領域的數(shù)據(jù)相比具有不同的特點。本文從數(shù)據(jù)預處理技術、城市污水量的非線性動力學分析和預測、城市污水處理廠異常檢測與異常征兆模式挖掘、活性污泥工藝仿真平臺的構建和擴展等多個方面研究了城市污水處理廠數(shù)據(jù)挖掘的理論和方法，主要工作和創(chuàng)新總結如下： 1．在數(shù)據(jù)預處理技術方面，對數(shù)據(jù)集成、數(shù)據(jù)清洗、數(shù)據(jù)轉換和數(shù)據(jù)歸約等

2、一系列的數(shù)據(jù)預處理技術進行了研究，并給出了相應的一系列算法。在這些研究的基礎上，提出主題和應用雙層導向的數(shù)據(jù)預處理技術，并利用這種技術設計了三個不同主題應用的數(shù)據(jù)預處理過程。 2．在城市污水量的非線性動力學分析和預測方面，首先對Grassberger &Procaccia(GP)算法、虛假近鄰法、Cao方法、自相關函數(shù)法、互信息量法和CC算法等相空間重構技術進行了研究，并用這些技術進行了相空間重構。在此基礎上，通過最大Lyap

3、unov指數(shù)、鄰近返回點圖分析和替代數(shù)據(jù)法分析判斷城市污水水量時間序列存在混沌?；谶@一結論對時間序列進行預測。利用神經(jīng)網(wǎng)絡對相空間重構的輸入、輸出矢量進行學習和訓練得到一個能擬合輸入、輸出的神經(jīng)網(wǎng)絡模型。然后利用此模型對城市污水水量進行短時預測，取得了較為滿意的預測效果。 3．在城市污水處理廠異常檢測與異常征兆模式挖掘方面，針對污水處理廠數(shù)據(jù)類分布極不平衡和代價敏感等特點，利用R<,WLOO>(α)對支持向量機(Suppor

4、t VectorMachine，SVM)進行改進，用于污水處理過程的異常檢測。利用遺傳算法(GeneticAlgorithin，GA)對改進支持向量機的全局最優(yōu)化問題進行求解。此外為這種改進的支持向量機設計了一種簡化算法，提高了運算速度。實際的運算結果顯示，這種改進的支持向量機與標準的SVM和神經(jīng)網(wǎng)絡比較，對城市污水處理廠的異常的檢測可以取得較好的效果。異常產生前會出現(xiàn)一些征兆，為了盡早地識別這些征兆以便及時的采取相應措施，避免異常的產

5、生，本文利用異常征兆模式挖掘的方法來解決這一問題。首先定義序列模式相異度來區(qū)別正常模式與異常征兆模式，在此基礎上提出基于滑動窗口的異常征兆模式挖掘算法。實際應用的結果表明，該算法可以提前識別出異常的征兆模式。 4．在活性污泥工藝仿真平臺的構建和擴展方面，首先對國際水協(xié)會和歐洲科學技術研究合作組織提出的污水仿真標準平臺進行了研究。在此基礎上，對COST的污水仿真標準平臺進行擴展，使擴展后的平臺能夠對處理過程的異常進行仿真。其中擴

6、展的重點是活性污泥膨脹模型：生物反應器的部分用模型概括了動力學選擇理論、微生物衰減理論、營養(yǎng)物擴散理論和有機物貯存理論，二沉池部分根據(jù)絲狀菌骨架理論對雙指數(shù)沉降模型進行了改進。整個模型能夠模擬污水量、曝氣量、底物濃度和氮濃度四個變量引發(fā)的污泥膨脹。模擬結果跟理論分析是一致的。此外模型還在傳感器故障和執(zhí)行裝置故障等方面進行了擴展，使擴展后的平臺能仿真污水處理過程的大部分異常。擴展后的仿真平臺在過程模型化、控制策略構造和評價、員工培訓、趨勢