基于短程反馈BP神经网络的混凝投药控制中试

在给水处理过程中，混凝是去除原水浊度、色度、CODMn及UV254等指标的主要手段，是保证饮用水水质安全的基本操作环节。由于混凝是一个复杂的物理化学反应过程，很难通过对其反应机理的研究来准确地建立反应过程的数学模型。目前国内众多水厂采用的混凝投药控制主要是基于传统数学模型的前馈控制和基于流动电流的反馈控制。传统数学模型法依靠烧杯试验模拟生产工艺来获得数据，其可靠性无法保障且受限于原水条件; 流动电流法则对原水浊度具有一定的适应范围且运行维护成本较高。笔者以重庆市某水厂的改建为依托，建立了基于短程反馈的BP 神经网络混凝投药自控模型，通过改进BP 算法提高了训练的速度，并有效克服了BP 算法容易陷入局部极小的缺点。