考慮不確定因素的污水廠日進(jìn)水量預(yù)測(cè)法

考慮不確定因素的污水廠日進(jìn)水量預(yù)測(cè)法摘要：水量預(yù)測(cè)對(duì)污水處理廠的設(shè)計(jì)、運(yùn)行具有非常重要的作用。在研究天氣和特別事件因素對(duì)污水處理廠進(jìn)水量影響的基礎(chǔ)上，充分考慮小時(shí)水量變化的日周期性，提出了進(jìn)水量的日周期預(yù)測(cè)方法，建立了水量預(yù)測(cè)BP網(wǎng)絡(luò)模型和算法。對(duì)某污水處理廠未來(lái)日進(jìn)水量的實(shí)際預(yù)測(cè)結(jié)果表明了該方法有效。關(guān)鍵字：污水處理廠水量預(yù)測(cè)BP模型預(yù)測(cè)魯棒性ForecastofDailyInfluentQuantityforSewageTreatmentPlantConsideringUncertainFactorsAbstraact：Dailyyinflluentquanttityfforecaastinggplayysanimporrtantroleinthhedessignaandopperatiionoffaseewagetreattmentplantt.Baseedonthesstudyofefffectssofwweatheerfacctorsandsspeciaaleveentsoontheeinflluentquanttity,ddailyperioodicittyofhourllyvarriatioonoftheiinflueentquuantittyisgivennafuullcoonsideeratioon.Theeforeecastmethoodofdailyyperiiodiciityofftheinfluuentqquantiityisspressentedd,andbackpropaagatioon(BPP)moddelanndcallculattionmmethoddaresetuup.Theedataafrommaneexistiingseewagetreattmentplanttwasemplooyedttoforrecasttthedailyyinfllowanndtheeresuultshhowstthattthismmethoddiseeffecttive.KKeyworrds:seewagetreattmentplantt;inflluentquanttityfforecaast;BPPmodeel;preedictiionroobustnness污水處理廠廠進(jìn)水量預(yù)測(cè)測(cè)分為中長(zhǎng)期期預(yù)測(cè)和短期期預(yù)測(cè)，短期期預(yù)測(cè)包括日日周期水量預(yù)預(yù)測(cè)和星期水水量預(yù)測(cè)。水水量預(yù)測(cè)的精精度對(duì)污水處處理廠設(shè)計(jì)、運(yùn)運(yùn)行具有非常常重要的作用用。水量預(yù)測(cè)測(cè)常規(guī)方法有有時(shí)間序列法法、回歸分析析法等。時(shí)間間序列法根據(jù)據(jù)水量的歷史史數(shù)據(jù)建模，并并利用模型預(yù)預(yù)測(cè)未來(lái)的水水量；回歸分分析方法利用用歷史數(shù)據(jù)可可以建立起水水量與其他影影響水量因素素的關(guān)系，由由這些因素未未來(lái)數(shù)據(jù)預(yù)測(cè)測(cè)出未來(lái)的水水量值?，F(xiàn)有的水量量預(yù)測(cè)方法存存在的主要問(wèn)問(wèn)題是：由于于影響水量的的因素很多，而而且各因素與與水量之間的的關(guān)系是復(fù)雜雜多樣的，因因而要將各種種因素歸于同同一回歸方程程相當(dāng)困難；；時(shí)序模型能能較好地反映映水量本身的的變化趨勢(shì)，但但它不能考慮慮其他因素對(duì)對(duì)水量的影響響，因而使預(yù)預(yù)測(cè)效果不理理想。比較理理想的預(yù)測(cè)方方法是將回歸歸分析法和時(shí)時(shí)間序列法相相結(jié)合，兩者者互為補(bǔ)充，但但需要探尋一一種理想的數(shù)數(shù)學(xué)結(jié)合方法法。同時(shí)，水水量預(yù)測(cè)中存存在很多不確確定因素，在在這些影響因因素下日水量量數(shù)據(jù)構(gòu)成了了一個(gè)非平穩(wěn)穩(wěn)隨機(jī)時(shí)間序序列。針針對(duì)上述問(wèn)題題，以及污水水廠進(jìn)水量依依不同天氣的的敏感程度和和影響程度不不同的特點(diǎn)，重重點(diǎn)研究了天天氣因素對(duì)進(jìn)進(jìn)水量預(yù)測(cè)精精度的影響，將將影響因素劃劃分為三類，并并利用人工神神經(jīng)網(wǎng)絡(luò)技術(shù)術(shù)確定天氣因因素敏感模型型，采用水量量預(yù)測(cè)的分解解建模方法以以克服水量預(yù)預(yù)測(cè)因天氣因因素的影響而而呈現(xiàn)的預(yù)測(cè)測(cè)精度不穩(wěn)定定，提高預(yù)測(cè)測(cè)精度對(duì)天氣氣因素影響的的魯棒性。1基本思路1.1影響因素素的類別劃分分污水處處理廠水量的的短期預(yù)測(cè)是是預(yù)測(cè)未來(lái)l日—7日的水量。研研究表明，水水量預(yù)測(cè)一般般會(huì)受下列三三類因素的影影響：第一類類為日類型，第第二類為天氣氣狀況，第三三類為特別事事件。①日類型日類型包括括工作日(星期一至星星期五)、雙休日和和節(jié)假日(公共節(jié)假日)。預(yù)測(cè)日的的日類型不同同，水量變化化是有一定區(qū)區(qū)別的。②天氣狀況在相同的的日類型前提提下，天氣狀狀況如日最高高溫度、最低低溫度、天氣氣情況、降雨雨量、降雨歷歷程等對(duì)進(jìn)水水量變化曲線線的影響。③特別事件特別事件件是指一些非非經(jīng)常性出現(xiàn)現(xiàn)的事件，其其構(gòu)成對(duì)進(jìn)水水量的影響是是和日類型及及天氣狀況不不相關(guān)的影響響。如重要政政治、經(jīng)濟(jì)活活動(dòng)等以及設(shè)設(shè)備檢修、事事故發(fā)生與處處理等。1..2水量預(yù)測(cè)信信息的構(gòu)成及及來(lái)源考考慮因素影響響的短期水量量預(yù)測(cè)需要三三類信息：污污水處理廠運(yùn)運(yùn)行記錄的進(jìn)進(jìn)水量歷史數(shù)數(shù)據(jù)；氣象部部門提供天氣氣狀況的歷史史數(shù)據(jù)和預(yù)報(bào)報(bào)數(shù)據(jù)；可以以獲知的特別別事件是否發(fā)發(fā)生的有關(guān)信信息。2預(yù)測(cè)模型的的建立污水廠日進(jìn)進(jìn)水量特征及及日周期水量量預(yù)測(cè)均可用用日水量曲線線表征，日水水量曲線一般般為按小時(shí)間間隔的某時(shí)刻刻的水量組成成。從大量的的日水量曲線線中可以看出出，盡管受1.1所述三個(gè)因因素的影響而而每日有所變變化，但對(duì)于于特定的污水水處理廠，水水量曲線仍有有兩個(gè)較固定定的特點(diǎn)：一一是最大水量量和最小水量量出現(xiàn)的時(shí)刻刻基本固定，雖雖然有一個(gè)小小區(qū)間的變化化范圍；二是是水量曲線的的形狀基本相相近。但是在在實(shí)際預(yù)測(cè)中中，任意某固固定時(shí)刻影響響水量預(yù)測(cè)因因素的數(shù)據(jù)一一般難于得到到，如天氣因因素在每個(gè)固固定的時(shí)刻都都將對(duì)水量產(chǎn)產(chǎn)生影響，然然而就天氣狀狀況預(yù)測(cè)數(shù)據(jù)據(jù)而言，氣象象臺(tái)預(yù)測(cè)數(shù)據(jù)據(jù)一般是按天天來(lái)提供的，只只有預(yù)測(cè)日的的最高溫度、最最低溫度、天天氣狀況、平平均濕度等數(shù)數(shù)據(jù)。特別事事件一般則很很難得到確定定性信息，對(duì)對(duì)其準(zhǔn)確的發(fā)發(fā)生時(shí)間、持持續(xù)時(shí)間及影影響等都是十十分模糊的。因因此，采用不不對(duì)每一個(gè)預(yù)預(yù)測(cè)點(diǎn)進(jìn)行分分別建模和預(yù)預(yù)測(cè)，而是采采用水量預(yù)測(cè)測(cè)分解建模的的方法。2..1水量預(yù)測(cè)分分解建模方法法2.1.1樣本非常數(shù)數(shù)據(jù)影響的削削弱因偶偶然因素引起起實(shí)際水量較較大波動(dòng)的數(shù)數(shù)據(jù)(預(yù)測(cè)時(shí)＞1.25或＜0.85倍的平均值)定義為水量量預(yù)測(cè)的非常常數(shù)據(jù)，對(duì)這這類非常數(shù)據(jù)據(jù)作如下處理理。取第第i日同一時(shí)刻j的水量數(shù)據(jù)WQ(i,,j)構(gòu)成數(shù)組：：{WQ(ii,j)i==1,2,……,n;j==1,2,……,24}其平均均值為：2.1.2水量量變化系數(shù)模模型假設(shè)設(shè)日最大和最最小水量分別別為WQMAX和WQMIN，WQ(j)為第j時(shí)刻的進(jìn)水水量，日水量量曲線變化的的形狀由各時(shí)時(shí)刻水量變化化系數(shù)WQcoe(j)來(lái)表達(dá)：WQccoe(j))=f［WQMAX,WQQ(j),WWQMIN］=［WQMAX-WQQ(j)］/［WQMAX-WQQMIN］(3)式中j——日水量時(shí)刻刻的序號(hào)，取取j＝1，2，…，24采用將將日最大和日日最小水量分分別建模的方方法，分別預(yù)預(yù)測(cè)出WQMAX和WQMIN以及時(shí)刻水水量變化系數(shù)數(shù)WQcoe(j)，便可得到到預(yù)測(cè)日時(shí)刻刻的水量：WQ(j)＝WQMAX-WQQcoe(j)×(WWQMAX-WQQMIN)j＝1，2，…，24(4)上式是是完全基于對(duì)對(duì)水量變化的的物理意義得得出的，和常常規(guī)的僅從水水量樣本序列列本身為研究究對(duì)象得出的的預(yù)測(cè)方法有有著本質(zhì)的區(qū)區(qū)別。2.1.3各時(shí)刻WQcoee(j)的預(yù)測(cè)模型型日時(shí)刻刻進(jìn)水量的變變化系數(shù)，除除受日類型、天天氣狀況和特特別事件的影影響外，還和和預(yù)測(cè)日臨近近的前n日的水量變變化系數(shù)有關(guān)關(guān)，用函數(shù)表表示為如下數(shù)數(shù)學(xué)關(guān)系：WQccoe(j)＝f［Dcoe，Wcon，Spe，WQcoe(i，j)］(5)式中Dcoe——日類型系數(shù)數(shù)Wcon——天氣狀況因因素系數(shù)Spe——特別事件因因素系數(shù)WQcoee(i，j)——預(yù)測(cè)日前i日第j時(shí)刻的水量量變化系數(shù)式中的Dcoe、Wcon、Spe因素，從物物理上分析都都是日類型的的不同。如果果Dcoe、Wcon、Spe三個(gè)因素的的日類型相近近，就認(rèn)為其其水量變化系系數(shù)相近。設(shè)預(yù)測(cè)日日可能的基本本日類型為Dbase，在預(yù)測(cè)日日臨近的n日里，選取k日，使之滿滿足：Dccoe(nii)＝Dbase(i＝1，…，k)(6)式中Dcoe(nii)——臨近預(yù)測(cè)日ni日的基本日日類型按按Fuzzy聚類分析方方法［1］，利用日日類型其他兩兩個(gè)特征因素素Wcon、Spe，由Dcoe((ni)(ii=1，…，k)組成k維樣本空間間，選取與預(yù)預(yù)測(cè)日的日類類型真正相近近的g維最終樣本本空間Dcoe((ni)(ii=1，…，g)，按這種思思路，提取樣樣本特征后在在進(jìn)行Fuzzy聚類分析之之前，需要對(duì)對(duì)天氣狀況Wcon和特別事件Spe進(jìn)行預(yù)處理理：首先，根根據(jù)預(yù)測(cè)經(jīng)驗(yàn)驗(yàn)按表1對(duì)天氣狀況況和特別事件件選取區(qū)別系系數(shù)。表1天氣狀狀況和特別事事件系數(shù)序號(hào)天氣狀況系數(shù)WWcon特別事件系數(shù)SSpe天氣狀況類型區(qū)別系數(shù)特別事件名稱區(qū)別系數(shù)1晴(云量＜500%)0.75大型政治活動(dòng)0.52多云(云量為550%～90%)0.5大型體育活動(dòng)0.33陰(云量＞900%)0.45管道一般性檢修修0.24小雨(日降水量量＜10mmm)0.5管道大面積檢修修0.15中雨(日降水量量：10～25mmm)0.6其他事件0.06大雨(日降水量量＞25mmm)0.8無(wú)1.07雷雨1.0然后由選定定的Wcon和Spe計(jì)算日類型型系數(shù)DcoeDcoe(kjj)＝COEWcoon(kj)ALLPHAWccon+COOESpe(kj)ALLPHASppe(7)式中Dcoe(kjj)——預(yù)測(cè)日臨近近第kj日的日類型型系數(shù)COEWcoon(kj)——預(yù)測(cè)日臨近近第kj日的天氣狀狀況區(qū)別系數(shù)數(shù)COESpee(kj)——預(yù)測(cè)日臨近近第kj日的特別事事件區(qū)別系數(shù)數(shù)ALPHA——預(yù)測(cè)者考慮慮因素的權(quán)重重，實(shí)際預(yù)測(cè)測(cè)時(shí)：ALPHAAWcon+AALPHASSpe=1(8)這樣，在在Dcoe(nii)(i=ll，…，k)組成的k維樣本空間間里，選取最最小的g日，組成最最終的g維樣本空間Dcoe(kii)(i=ll，…，g)。并認(rèn)為：Dcoe(kii)(i＝l，…，g)樣本空間里里的g日的日水量量變化系數(shù)和和預(yù)測(cè)日相近近，取其平均均值就得到預(yù)預(yù)測(cè)日水量變變化系數(shù)：式中jj——水量曲線中中的時(shí)刻序號(hào)號(hào)，一般j=1,22,…,24WQcoe(kii,j)——預(yù)測(cè)日臨近近第ki日第j時(shí)刻的水量量變化系數(shù)22.2WQMAX和WQMIN水量的的預(yù)測(cè)模型如前所述述，日最大WQMAX和最小WQMIN水量受受日類型、天天氣和特別事事件的影響，同同時(shí)還和最近近的前n日的最大水水量有關(guān)，用用函數(shù)關(guān)系表表示為：WQMAX=f［Dcoe，Wcon，Spe，WQMAX(i)］(10)WQMIN=f［Dcoe，Wcon，Spe，WQMIN(i)］(11)式中WQMAX((i)——預(yù)測(cè)日前i日的最大水水量WQMIN(i)——預(yù)測(cè)日前i日的最小水水量3水量預(yù)測(cè)的的BP方法污水處理廠廠進(jìn)水量預(yù)測(cè)測(cè)屬非線性系系統(tǒng)的求解問(wèn)問(wèn)題，人工神神經(jīng)網(wǎng)絡(luò)應(yīng)用用于處理非線線性問(wèn)題是一一個(gè)有效的方方法，在大量量的神經(jīng)網(wǎng)絡(luò)絡(luò)模型中，BP網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)簡(jiǎn)單且能較好好地表達(dá)非線線性系統(tǒng)的穩(wěn)穩(wěn)態(tài)特性。在在污水處理系系統(tǒng)中，不管管是污水處理理廠前期設(shè)計(jì)計(jì)還是運(yùn)行控控制，水量都都是人們關(guān)心心的問(wèn)題，特特別是最大進(jìn)進(jìn)水量。最大大水量預(yù)測(cè)的的BP模型如圖1所示。BP網(wǎng)絡(luò)用于預(yù)預(yù)測(cè)的關(guān)鍵，一一是學(xué)習(xí)樣本本的選取及樣樣本特征的提提取，用一定定數(shù)量的輸入入和輸出節(jié)點(diǎn)點(diǎn)訓(xùn)練量來(lái)映映射預(yù)測(cè)水量量的非線性關(guān)關(guān)系，訓(xùn)練樣樣本的選取直直接關(guān)系到預(yù)預(yù)測(cè)模型建立立的正確性；；二是在于神神經(jīng)元連接權(quán)權(quán)重等參數(shù)的的確定。這些些參數(shù)是通過(guò)過(guò)誤差反傳學(xué)學(xué)習(xí)算法，利利用選定的學(xué)學(xué)習(xí)樣本進(jìn)行行訓(xùn)練而得到到的。在學(xué)習(xí)訓(xùn)練練過(guò)程中考核核學(xué)習(xí)“效果”的主要手段段是樣本集誤誤差達(dá)到給定定值，即代價(jià)價(jià)函數(shù)：式中pp——表示樣本q——表示輸出節(jié)節(jié)點(diǎn)Tpq——節(jié)點(diǎn)q第p個(gè)樣本的期期望值Opq——對(duì)應(yīng)的實(shí)際際計(jì)算輸出值值用訓(xùn)練練成功的網(wǎng)絡(luò)絡(luò)進(jìn)行最大最最小水量預(yù)測(cè)測(cè)。預(yù)測(cè)測(cè)最大水量BP網(wǎng)絡(luò)基本參參數(shù)：輸入層層節(jié)點(diǎn)數(shù)為12個(gè)，每一個(gè)個(gè)節(jié)點(diǎn)對(duì)應(yīng)于于考慮因素集集合中的一個(gè)個(gè)信息輸入量量。{WQMAAX(i-1),,TMAX(i-1),,TMIN(i--1),H((i-1),,Wcon((i-1);;WQMAX(i-2),,TMAX(i-2),,TMIN(i--2),H((i-2),,Wcon((i-2);;Dbasee,Spe}}式中(i-1)、(i-2)——預(yù)測(cè)日前一一日、前兩日日T—————————溫度H—————————濕度對(duì)對(duì)最小水量預(yù)預(yù)測(cè)只需將輸輸入因素集合合中WQMAX換成WQMIN即可。輸出節(jié)點(diǎn)點(diǎn)數(shù)為1，隱層節(jié)點(diǎn)點(diǎn)數(shù)為24，動(dòng)量因子子和學(xué)習(xí)速率率采用自適應(yīng)應(yīng)動(dòng)態(tài)調(diào)整的的方法［2］，動(dòng)態(tài)調(diào)調(diào)整系數(shù)取0～0.5，收斂誤差差取0～0.01。學(xué)習(xí)訓(xùn)練練樣本由某污污水廠最近一一年的水量數(shù)數(shù)據(jù)和天氣狀狀況數(shù)據(jù)組成成。為了減少少訓(xùn)練樣本量量，提高學(xué)習(xí)習(xí)效率，減少少計(jì)算時(shí)間，采采用了隨機(jī)抽抽樣樣本學(xué)習(xí)習(xí)方法，具體體做法是將一一年的數(shù)據(jù)每每月隨機(jī)抽取取7日168點(diǎn)和每日的的天氣狀況組組成樣本空間間。4實(shí)例分析以某污水處處理廠1999年全年水量量數(shù)據(jù)和天氣氣狀況為訓(xùn)練練樣本，進(jìn)行行ANN學(xué)習(xí)訓(xùn)練，樣樣本學(xué)習(xí)在K6—2—266CPPU兼容機(jī)上完完成，共耗機(jī)機(jī)時(shí)為185mmin32s。預(yù)測(cè)2000年1月8日—14日和4月22日—28日的各日水水量，并進(jìn)行行誤差分析。記Xforei為預(yù)測(cè)值，Xreali為實(shí)際記錄值。百分誤差EERRORi、方差ESQ、平均誤差EAVER的計(jì)算式分別為：預(yù)測(cè)結(jié)果見(jiàn)見(jiàn)表2(預(yù)測(cè)耗用機(jī)機(jī)時(shí)為29s)。表2預(yù)測(cè)結(jié)果果數(shù)據(jù)日期實(shí)際進(jìn)水量(mm3/d)預(yù)測(cè)進(jìn)水量(mm3/d)百分誤差(EEERRORii)平均誤差(EAAVER)方差(ESQ))2000年1月月813285134911.601.721.2891342313011-3.064.651.721013090128931.501.611.87111366513402-1.922.181.661212798130081.601.651.631313544138332.132.051.721413021131711.151.081.802000年4月月2214633150562.892.621.98