基于BP神经网络的城市污水泵站预测模型

2012年03月14日16:02:15 本网站我要评论(2)字号：T | T | T

邬玲懿，徐哲，杨成忠，王建中，薛安克

杭州电子科技大学信息与控制研究所浙江杭州

摘要：受降雨径流、管网汇流等自然因素和生活污水、工业废水及泵闸开关等人为因素的影响，导致污水流量具有不确定性、非线性及滞后性，难以建立准确的城市污水泵站系统模型。针对该问题，本文采用人工神经网络方法建立了城市污水泵站预测模型，通过对污水泵站运行机理过程的理解以及对各变量进行相关性分析从而确定模型的输入，并对不同预见期污水泵站水位进行预测，通过与实际比较及有效性验证，该模型具有较高的精度，可指导城市排水的安全运行控制。

关键词：污水泵站，神经网络，预测模型

1　引言

随着城市化进程的不断加快，城市人口的大幅增加，城市污水排量也大幅增加，由此引起的洪涝灾害加剧、降雨径流污染加重、城市水资源短缺等问题，使城市排水面临着巨大的挑战。城市污水主要来源于生活污水、各类工业废水及大气降水，受天气、人为及管道损漏等复杂因素影响，其流量具有不确定性、非线性及滞后性。对于排水管网中的污水泵站而言，上下游之间存在着链级制约关系。现行的污水泵站运行方式主要采用液位控制[1]，即由浮子液位计或超声液位计检测前池液位，由控制站根据液位信号控制泵的启停。这样简单的控制方式，在雨污混流情况下，尤其是下暴雨的时候，由于短时间大量雨水进入污水管网，使污水量剧增，如控制不及时，极易引起污水外溢。因此探讨建立污水泵站预测模型，为城市排水安全运行控制提供依据具有重要的意义。

现行的污水泵站系统建模的方法在实际应用中受检测条件的限制和基础资料的缺乏等原因难以普遍应用。如汪雄海等人提出的污水泵站管网时滞模型[2]，通过预测控制获得一定的效果，但是它需要实时流量数据，在现有的排水泵站中大多没有安装流量检测装置；谢莹莹、陆晓烽等应用国外先进的专业软件（如SWMM、MIKE URBEN、DHI Mouse等）建立排水管网计算机模型[3-5]。尽管这些专业软件已经成熟，但建立模型所需的数据项非常详细和繁多，如汇水子区域面积、管长、埋深等数据，很难收集其全部参数开展大范围实际使用。本文以杭州城市排水系统为背景，在其检测控制和数据采集系统（简称SCADA系统）运行数据基础上，提出采用人工神经网络方法建立预测模型，对污水泵站液位变化进行预测，用于优化运行控制。

登录网站后可下载文件

基于BP神经网络的城市污水泵站预测模型

相关阅读: