ANFIS在飲用水處理混凝中的應用(一)

摘要：運用ANFIS（自適應神經—模糊推理系統）以及大量實際生產原始數據，構建合理的模糊推理預測模型。同時結合國內先進的流動電流混凝技術，在廈門杏林水廠進行混凝劑投加量最佳方式的嘗試。本文將闡述如何利用ANFIS構建混凝劑投加預測模型，同時，給出杏林水廠在水處理投加控制的模式，并闡述其功能特點和應用效果。

　　關鍵詞：水處理、自適應神經模糊推理系統（ANFIS）、混凝、游動電流、投藥控制

Application of ANFIS to Coagulation of water treatment process

　　CHEN Xi

　　Abstract：on the basis of practical initial data,we use adaptive neuro-fuzzy inference system to built a fuzzy dosing forecast model. at the same time,we use streaming current technology and the fuzzy model to build a new water treatment coagulation dosing control system in xiamen water company. in this paper,I will explain how to build the fuzzy model，and show the control mode and advantages in water treatment chemicals dosing in xinglin waterworks .

　　Keywords：water treatment ,ANFIS, coagulation ,streaming current, dosing control




　　1、 引言：

　　自來水廠中，常規的水處理流程一般存在的四個階段：凝聚——向原水中投加混凝劑以使水中膠體脫穩；絮凝——脫穩的膠體相互聚集；沉淀——從水中去除絕大部分懸浮物和絮體；過濾——進一步除掉絮體。其中絮凝和凝聚被稱為“混凝”。

　　混凝過程是水處理中主要環節，直接關系到出廠水的水質。在水處理的過程中，混凝劑的投加起著關鍵的作用，目前國內水廠混凝過程大多采用流動電流反饋控制和傳統數學模型前饋控制，控制效果都不太理想，存在沉淀池出水濁度波動大，藥劑浪費嚴重的問題。

　　傳統的模型控制難度大，因為混凝過程是一個大時間滯后、非線性、時變的過程。它包括混凝劑投加、混合、絮凝和沉淀四個部分。投藥自動控制不能很好的實現，但如果使用人工操作，往往就會得到很有效的控制效果。通過人工操作，很容易保證出廠水水質的穩定與合格。凈化人員可根據原水濁度、原水流量的變化情況、反應后礬花生成和沉淀水濁度的情況，確定混凝程度，調節投藥量，從而保證出水穩定合格。這一人工控制過程解決了混凝過程中因為原水濁度、溫度、CODMn、PH、堿度、流量和混凝工藝等諸多因素帶來的影響。神經網絡模糊邏輯控制的引入，就是模仿有經驗凈化操作人員的人工操作，在一定的范圍內很好的解決問題。

　　神經模糊系統是一種神經網絡系統，它充分應用了模糊系統的模糊規則來初始化和解釋神經網絡，模仿人腦的邏輯思維過程，實現將人的定性思維和判斷方法定量化，以適合計算機處理過程的特點，處理模型未知或不精確的控制問題。MATLAB模糊邏輯工具箱所提供的自適應神經網絡模糊推理系統ANFIS（adaptive neuro-fuzzy inference system）就在這一理論基礎上建立起來，它極大地優化了數據建模的過程。


　　2、 ANFIS自適應神經—模糊推理系統簡介

　　Matlab提供的模糊工具箱函數ANFIS使用一個給定的輸入輸出數據集，從而構造出一個模糊推理系統，并用一個單獨的反向傳播算法或該算法與最小二乘相結合的方法來完成對系統隸屬函數參數的調節。這使得模糊系統可以從其建模數據中學習信息。我們可以通過MATLAB提供的命令行或者圖形界面兩種方式應用工具箱函數ANFIS。

　　ANFIS使用的建模方法與系統辯識的方法相似。首先假定一個參數化的模型結構（將輸入關聯到隸屬函數，并相應建立起規則，然后通過輸出隸屬度函數和相應參數，將輸出對應輸出隸屬度函數，完成輸入到輸出的映射），然后采集輸入輸出的數據。使用ANFIS訓練FIS（fuzzy inference system）模型，根據某個選定的誤差準則修正隸屬函數參數，使得FIS系統模仿提供給系統的訓練數據。

　　在建模的過程中，采集來的實際數據往往含有噪聲，從而使訓練數據無法表示要建模系統的全部特征。所以需要通過檢驗數據和測試數據對建立的模型進行確認工作。數據的真實可靠性是建立符合實際生產模型的關鍵，選擇一個良好的輸入輸出數據集，既要典型地代表被訓練模型要模仿的數據集，又要與訓練數據集有明顯的區別。

　　但不是所有的模糊推理系統都能使用ANFIS，它只支持Sugeno形系統（一種模糊推理系統，其中每個規則的結果是輸入的線性組合，而輸出是結果的加權線性組合），而且必須是各規則的權均為1的一階或零階的Sugeno型系統，并且系統是單輸出，其輸出值由加權平均反模糊化方法（即線性或常量輸出隸屬函數）獲得。這些要求可以符合水處理投藥預測模型的建模。


　　3、運用ANFIS建立混凝投加預測模型

　　廈門杏林水廠日處理水量為18.5萬噸，以九龍江水地表水（北溪水、江東水）和坂頭水庫水為水源，混凝和沉淀采用泥渣循環型澄清池（機械加速澄清池），過濾工藝采用V型濾池。

　　數據采集期間，均采用人工投藥，將沉淀水控制在最經濟濁度4