基于神经网络的污水处理厂水质预测模型

 “十二五”规划对城市污水的处理净化标准逐步提高。以上海为例，目前按照环保部门的要求，全市大部分污水处理厂需要对污水进行深度处理，这将给污水处理厂的达标排放和稳定运行带来新挑战。如果上游进水水质长时间过差或是在暴雨防汛季节输送的流量过大都会给污水处理厂带来很大的冲击负荷，加之污水处理过程中恶劣的生产条件，并伴有随机干扰，使污水处理具有较强的非线性、时变、迟滞等特点，因此污水处理过程中的各个环节很难精确控制，容易造成污水处理厂超负荷运行，整体系统运行不稳定，出水不能达标等众多问题。而一旦出现问题，处理水质很难在短时间内恢复正常，这将大大影响下一阶段的排放水质，给水环境带来污染。本文立足于上海竹园第二污水处理厂生产运行现状，分析影响该厂处理水质的主要因素。利用人工神经网络模型的非线性逼近特性及复杂的输入与输出之间的映射关系，力求根据不同进水水质及运行参数，实现对污水厂下一阶段的处理水质做出快速、准确的预测，为控制超负荷运行和水质超标提供科学的依据。