废水处理中水质监测参数的实时预测研究.pdfVIP

第24卷第2期安全与环境学报Vol.24No.2

2024年2月JournalofSafety

andEnvironmentFeb.2024

文章编号：1009-6094(2024)02-0732-07水处理过程[4],近年来引起学者越来越多的关注。2016

年，崔玉波等[5]第一次将ARIMA

废水处理中水质监测参数的

IntegratedMovingAverageModel）应用在水质预测

实时预测研究*中，对污泥干化芦苇床渗滤液中化学需氧量和总磷

浓度进行了预测，结果显示决定系数在0.487以上。

贺德强，王一博，靳震震，陆立海？，洪

雷？

2010年,Huang等[6]最先提出了一种基于软件传感

（1广西大学机械工程学院，南宁530004；器的模糊神经网络，以用于实时估计水中养分含量。

2广西博世科环保科技股份有限公司，南宁530007）

这些模型成功地描述了复杂的非线性过程和不确定

性。然而，ARIMA模型需要检测平稳性数据，非平

摘要：针对污水处理厂生化池中参数监测智能化水平不

稳数据无法直接预测。1990年，Thibault等[7]首次

高、人力耗费较大的问题，提出基于麻雀算法-长短期记忆神

经网络（SparrowSearchAlgorithm-LongShortTermMemory把神经网络模型应用于模拟一个全规模的污水处理

Network,SSA-LSTM)的水质参数预测模型。以污水处理过厂。2003年，陈丽华[8]首次建立了用于溶解氧浓度

程中好氧区溶解氧（DissolvedOxygen,DO）、好氧区混合液悬预测的神经网络模型,并应用在地表水溶解氧的预

浮固体（MixedLiquidSuspendedSolids，MLSS）质量浓度、缺测。2018年，付亚涛[9]首次提出了将长短期记忆网

氧区DO、缺氧区氧化还原电位（Oxidation-Reduction络(LongShort-TermMemory,LSTM)应用在城乡供水

Potential,ORP）、厌氧区DO和厌氧区ORP6个关键指标为数水质异检测中的方案。秦文虎等[10]提出了基于缺

据样本,进行实例研究。将SSA-LSTM的预测结果与长短

失值填补算法和长短时记忆网络相结合的方法，并

期记忆神经网络(LongShort-TermMemoryNetwork,LSTM）、

建立了水质预测模型。2019年,Pisa等[11]开展了基

粒子群算法（ParticleSwarmoptimization-LongShortTerm

于LSTM的预测模型研究,该模型可以预测氨和总

MemoryNetwork,PSO-LSTM）、深度森林以及支持向量机进

行对比分析,结果显示：SSA-LSTM在6个参数上的均方误氮浓度。上述研究大多把水质指标浓度序列当做一

差（EMsE）和决定系数（R）均表现出更好的预测性，预测精种静态的回归问题进行处理，而实际的水质指标浓

度最高。度数据是一种动态的时间序列。本文考虑数据