ANFIS在饮用水处理混凝中的应用(一)

摘要：运用ANFIS（自适应神经—模糊推理系统）以及大量实际生产原始数据，构建合理的模糊推理预测模型。同时结合国内先进的流动电流混凝技术，在厦门杏林水厂进行混凝剂投加量最佳方式的尝试。本文将阐述如何利用ANFIS构建混凝剂投加预测模型，同时，给出杏林水厂在水处理投加控制的模式，并阐述其功能特点和应用效果。

　　关键词：水处理、自适应神经模糊推理系统（ANFIS）、混凝、游动电流、投药控制

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：

　　自来水厂中，常规的水处理流程一般存在的四个阶段：凝聚——向原水中投加混凝剂以使水中胶体脱稳；絮凝——脱稳的胶体相互聚集；沉淀——从水中去除绝大部分悬浮物和絮体；过滤——进一步除掉絮体。其中絮凝和凝聚被称为“混凝”。

　　混凝过程是水处理中主要环节，直接关系到出厂水的水质。在水处理的过程中，混凝剂的投加起着关键的作用，目前国内水厂混凝过程大多采用流动电流反馈控制和传统数学模型前馈控制，控制效果都不太理想，存在沉淀池出水浊度波动大，药剂浪费严重的问题。

　　传统的模型控制难度大，因为混凝过程是一个大时间滞后、非线性、时变的过程。它包括混凝剂投加、混合、絮凝和沉淀四个部分。投药自动控制不能很好的实现，但如果使用人工操作，往往就会得到很有效的控制效果。通过人工操作，很容易保证出厂水水质的稳定与合格。净化人员可根据原水浊度、原水流量的变化情况、反应后矾花生成和沉淀水浊度的情况，确定混凝程度，调节投药量，从而保证出水稳定合格。这一人工控制过程解决了混凝过程中因为原水浊度、温度、CODMn、PH、碱度、流量和混凝工艺等诸多因素带来的影响。神经网络模糊逻辑控制的引入，就是模仿有经验净化操作人员的人工操作，在一定的范围内很好的解决问题。

　　神经模糊系统是一种神经网络系统，它充分应用了模糊系统的模糊规则来初始化和解释神经网络，模仿人脑的逻辑思维过程，实现将人的定性思维和判断方法定量化，以适合计算机处理过程的特点，处理模型未知或不精确的控制问题。MATLAB模糊逻辑工具箱所提供的自适应神经网络模糊推理系统ANFIS（adaptive neuro-fuzzy inference system）就在这一理论基础上建立起来，它极大地优化了数据建模的过程。


　　2、 ANFIS自适应神经—模糊推理系统简介

　　Matlab提供的模糊工具箱函数ANFIS使用一个给定的输入输出数据集，从而构造出一个模糊推理系统，并用一个单独的反向传播算法或该算法与最小二乘相结合的方法来完成对系统隶属函数参数的调节。这使得模糊系统可以从其建模数据中学习信息。我们可以通过MATLAB提供的命令行或者图形界面两种方式应用工具箱函数ANFIS。

　　ANFIS使用的建模方法与系统辩识的方法相似。首先假定一个参数化的模型结构（将输入关联到隶属函数，并相应建立起规则，然后通过输出隶属度函数和相应参数，将输出对应输出隶属度函数，完成输入到输出的映射），然后采集输入输出的数据。使用ANFIS训练FIS（fuzzy inference system）模型，根据某个选定的误差准则修正隶属函数参数，使得FIS系统模仿提供给系统的训练数据。

　　在建模的过程中，采集来的实际数据往往含有噪声，从而使训练数据无法表示要建模系统的全部特征。所以需要通过检验数据和测试数据对建立的模型进行确认工作。数据的真实可靠性是建立符合实际生产模型的关键，选择一个良好的输入输出数据集，既要典型地代表被训练模型要模仿的数据集，又要与训练数据集有明显的区别。

　　但不是所有的模糊推理系统都能使用ANFIS，它只支持Sugeno形系统（一种模糊推理系统，其中每个规则的结果是输入的线性组合，而输出是结果的加权线性组合），而且必须是各规则的权均为1的一阶或零阶的Sugeno型系统，并且系统是单输出，其输出值由加权平均反模糊化方法（即线性或常量输出隶属函数）获得。这些要求可以符合水处理投药预测模型的建模。


　　3、运用ANFIS建立混凝投加预测模型

　　厦门杏林水厂日处理水量为18.5万吨，以九龙江水地表水（北溪水、江东水）和坂头水库水为水源，混凝和沉淀采用泥渣循环型澄清池（机械加速澄清池），过滤工艺采用V型滤池。

　　数据采集期间，均采用人工投药，将沉淀水控制在最经济浊度4