随着我国城市化进程的加快,城镇人口越来越多。城市用水需求量大增的同时,造成污水处理量增加。各污水处理厂面临设备的升级换代和产能的扩大,以应对社会和经济的发展需求。城市污水排放量的准确预测是污水处理厂处理机组协调和优化调度的基础和关键。可为污水处理厂设备增添、设备选型、为城市供水管网规划、供水企业生产和优化调度提供依据,提高污水处理企业的机组利用率,实现机组的节能降耗。
城市污水的排放量受多方面因素影响, 比如说:人口数量、季节环境、经济状况、生活习性等[1]。关系复杂、强非线性, 是各影响因素之间的特性。因此, 如何对包含上述影响因素的非线性函数进行准确的预报称为一个重要的研究课题。目前, 赵晓梅等采用改进的马尔可夫模型对大连城市的用水量进行预测[2]。McMahon TA 等针对城市地区的供水情况进行了操作研究[3]。除了上述传统的方法外, 近年来, 智能方法被用来解决各类预报问题。李适宇采用BP 神经网络预测深圳地区的供水量[4]。Beccali M 采用人工神经网络进行城市地区电力需求的预测[5]。文献[6] 采用粒子群算法(Particle Swarm Optimization,PSO) 优化BP 网络的权值并通过BP 神经网络预测城市用水量,但其采用的粒子群算法存在有限的搜索空间、收敛精度低、易早熟、易陷入局部最优等缺点。为了解决粒子群算法的上述缺点,同时改进BP神经网络算法的收敛速度, 本文建立了一种混合BP 神经网络方法,对污水处理厂处理的污水进行预报, 并进行了仿真实验。实验结果表明了该混合BP 神经网络在城市污水量预报中的有效性和精确性, 对污水处理厂各机组的优化运行和节能降耗提供了依据。 |