施例，存在用于預(yù)測(cè)廢水處理過程(WWTP)的參數(shù)的方法200。特別 地，所述方法適用于(但不限于)EGSB廠/反應(yīng)器，并且待預(yù)測(cè)的參數(shù)是EGSB反應(yīng)器的流出物 中的總有機(jī)碳(TOC)。
[0033] 如圖示并參考圖1，典型的EGSB 10系統(tǒng)和過程包括流入調(diào)節(jié)池20和EGSB反應(yīng)器 30。在EGSB反應(yīng)器30中，顆粒化微生物以相對(duì)較高的流速與來(lái)自流入調(diào)節(jié)池20的流入廢水 接觸。連續(xù)處理廢水直到廢水被充分處理，并且然后它們作為處理后的水40被排出。EGSB過 程中的微生物團(tuán)降解廢水中的有機(jī)污染物，以形成額外的生物質(zhì)(微生物）、處理后的水40 和包括甲烷和二氧化碳(CO 2)的生物氣50的形式的能量。EGSB反應(yīng)器30的各種參數(shù)(如表1 所示)可以用于預(yù)測(cè)流出參數(shù)。
[0034] 預(yù)測(cè)的TOC可以尤其用于監(jiān)測(cè)EGSB反應(yīng)器的處理性能。
[0035] 參見圖2,方法200包括如下步驟：
[0036] (a.)獲得數(shù)據(jù)集(步驟202)，數(shù)據(jù)集包括與EGSB反應(yīng)器的流出物中的TOC有關(guān)的多 個(gè)過程變量。多個(gè)過程變量包括但不限于:-流入物中的TOC; pH;流速;溫度等。在實(shí)施例中， 選擇了 22個(gè)不同的過程變量。22個(gè)過程變量基于具有一個(gè)或多個(gè)平衡池以及一個(gè)或多個(gè)流 入調(diào)節(jié)池20的EGSB反應(yīng)器。反應(yīng)器還包括可操作用于在操作期間冷卻反應(yīng)器的多個(gè)熱交換 器。
[0037] 在下表1中列出了22個(gè)參數(shù)：
[0038] 表1過程變量表
[0039]
[0040] 注:在上述表格中將廢水簡(jiǎn)稱為"ww"。
[0041]可以從歷史樣本或EGSB廠的操作中的數(shù)據(jù)獲得過程變量。
[0042] (b.)除了獲得過程變量的數(shù)據(jù)集，還要獲取對(duì)應(yīng)于22個(gè)過程變量的流出物TOC的 離線(非實(shí)時(shí))測(cè)量值作為初始TOC數(shù)據(jù)(步驟210)。
[0043] (c.)接下來(lái)預(yù)處理所獲得的數(shù)據(jù)集。預(yù)處理包括如下步驟
[0044] i.過程變量的對(duì)準(zhǔn)(步驟204)。由于過程變量的數(shù)據(jù)集可能具有采用秒、分、時(shí)、或 天的不同的采樣頻率，所以為了獲得隨時(shí)間變化的特性，過程變量的時(shí)間基準(zhǔn)參考被預(yù)定 為一個(gè)值，例如24小時(shí)，并且前面的24小時(shí)數(shù)據(jù)的22個(gè)過程變量的每小時(shí)數(shù)據(jù)用于匹配每 天的流出物TOC的初始值。作為結(jié)果，輸入變量的維度為528(22乘以24)。
[0045] ii.缺失值處理步驟(步驟206)。要領(lǐng)會(huì)，在廢水處理過程中，物理傳感器(7天24小 時(shí)在線)可能不能獲得全部需要的數(shù)據(jù)。鑒于此，不同的在線傳感器可能不能采集到不同時(shí) 間段的所需數(shù)據(jù)。添加缺失值處理步驟206以處理數(shù)據(jù)采集中的這種缺失空白，并且可以通 過插值方法處理空白。例如，插值方法包括線性插值，但也可以包括諸如多項(xiàng)式插值法和樣 條插值法等其它插值方法，或者也可以實(shí)施其它缺失值處理方法來(lái)處理缺失值。
[0046] iii .將輸入過程變量和初始輸出過程參數(shù)TOC分類(步驟208)。輸入過程變量被進(jìn) 一步布置成自回歸外因(ARX)結(jié)構(gòu)，以解釋大的延遲和大的時(shí)間變化特性。這是為了解釋動(dòng) 態(tài)過程變化，例如嚴(yán)重的隨機(jī)干擾、大的延遲、以及大的時(shí)間變化特性，以提高預(yù)測(cè)性能的 可靠性。
[0047] 為了解釋時(shí)間變化和時(shí)間延遲特性，ARX結(jié)構(gòu)的輸入向量X在方程（I)中被數(shù)學(xué)表 達(dá)為如下形式。
[0048] x=[y(t_l)，· · ·，y(t_L)，u(t)] (I)
[0049] 其中，觀測(cè)到過去的L個(gè)輸出值和過去的L個(gè)控制向量。ARX模型結(jié)構(gòu)中的級(jí)的數(shù)量 可以用赤池信息準(zhǔn)則(AIC)來(lái)優(yōu)化，以獲得用于動(dòng)態(tài)模型的優(yōu)化的模型性能。根據(jù)過程的特 征，u(t)是在時(shí)間k處設(shè)置的具有528個(gè)維度的過程變量，并且y(t-l).....y(t-10)是在時(shí) 間t之前的L= 10個(gè)TOC值。
[0050] iv.對(duì)TOC的測(cè)量值進(jìn)行信號(hào)處理以去除數(shù)據(jù)中的噪聲（步驟212)。由過程所獲得 的觀測(cè)的輸出數(shù)據(jù)和實(shí)驗(yàn)測(cè)量值產(chǎn)生的TOC值的噪聲離線測(cè)量值可能在有效采集過程動(dòng)態(tài) 的趨勢(shì)方面產(chǎn)生困難。對(duì)TOC的測(cè)量值中的噪聲進(jìn)行濾波有益于改善所開發(fā)的軟傳感器的 預(yù)測(cè)性能。特別地，濾波或平滑掉噪聲會(huì)改進(jìn)動(dòng)態(tài)模型的準(zhǔn)確度，并允許更清楚地觀察過程 的固有趨勢(shì)。
[0051 ] 采用兩個(gè)濾波器來(lái)過濾噪聲，Savitzky-Golay( "Sav-Gol"）濾波器和Kalman濾波 器(但不限于此，也可以實(shí)施諸如傅里葉變換、小波分析、或維納濾波器等其它噪聲濾波器 方法來(lái)過濾噪聲）。
[0052] Sav-Gol濾波器可操作用于平滑數(shù)據(jù)并增大信噪比，而不需要將原始數(shù)據(jù)嚴(yán)重變 形。在某種意義上，Savitzky-Golay濾波器基于本地多項(xiàng)式回歸法，其在數(shù)學(xué)上能夠被解釋 為，對(duì)于具有值7:的每個(gè)點(diǎn)j，計(jì)算相鄰值的加權(quán)和(線性組合），并且相鄰值的數(shù)量和多項(xiàng) 式的次數(shù)控制平滑的強(qiáng)度，如下所示(步驟214):
[0054] 其中，為是平滑或處理后的新的"降噪" TOC值(具有平滑曲線或?qū)?shù)），N為歸一化 常數(shù)，k為j的每一側(cè)處的相鄰值的數(shù)量，因此窗口大小為2k+l，并且Ch是取決于所使用的多 項(xiàng)式的次數(shù)和目標(biāo)的系數(shù)(平滑、第一或第二導(dǎo)數(shù)）。應(yīng)用時(shí)采用窗口大小為3、多項(xiàng)式次數(shù) 為2并且導(dǎo)數(shù)為0。
[0055] Kalman濾波器作為替代物初始描述了離散數(shù)據(jù)線性濾波問題的遞歸解決方案，由 具有測(cè)量值的線性隨機(jī)差分方程給出，如下所示(步驟216):
[0056] x(k+l)=Ax(k)+Bu(k)+w(k) (3)
[0057] y(k)=Cx(k)+v(k) (4)
[0058] 其中，W和V是分別用協(xié)方差矩陣Q和R處理的不相關(guān)的、正態(tài)分布的白噪聲，并且S 是《和￥之間的協(xié)方差。Kalman濾波器可以被分成兩個(gè)不同階段:預(yù)測(cè)和更新(濾波器），如下 所示：
[0064] 其中，Kg和P分別是Kalman增益和狀態(tài)估計(jì)誤差的協(xié)方差矩陣。預(yù)測(cè)方程5和6負(fù)責(zé) 向前投射(及時(shí)）當(dāng)前狀態(tài)和誤差協(xié)方差估計(jì)以獲得下一時(shí)間步驟的優(yōu)先估計(jì)值。濾波器方 程7和8負(fù)責(zé)反饋一一即用于將新的測(cè)量值合并到優(yōu)先估計(jì)值中以獲得改進(jìn)的后驗(yàn)估計(jì)值。 這是通過測(cè)量值修正的領(lǐng)先一步的濾波器。可以采用簡(jiǎn)單的線性Kalman濾波器來(lái)對(duì)噪聲過 程數(shù)據(jù)進(jìn)行濾波，其中△=1、8 = 0、〇=1、卩(0|0) = 1、并且奴0|0)=0。
[0065] (d.)用于處理輸入和測(cè)量的TOC值的實(shí)際算法（即軟傳感器)基于偏最小二乘法 (PLS)算法和堆疊 PLS(SPLS)算法、在方程10-18中進(jìn)行數(shù)學(xué)表達(dá)的控制方程。輸入為包括過 程變量和測(cè)量的TOC值的向量;輸出包括初始測(cè)量的流出的TOC值。
[0066] PLS算法的一般形式被描述為如下：_
[0067] 假設(shè)x=(X1，…，Xn)TERnXm并且Y( yi，…，yn)TERnXP是輸入和輸出矩陣，它們可 以被如下地線性聯(lián)系：
[0068] Y=XB+E (10)
[0069] 其中，B是回歸系數(shù)的矩陣，并且E是剩余矩陣。根據(jù)PLS回歸模型由線性潛在變量 來(lái)為X和Y二者建模，而不是直接找到該關(guān)系，即
[0070] X = TPT+Ex (11)
[0071] 和
[0072] Y = UQt+Ey (12)
[0073] 具有誤差矩陣Ex和Εγ，其中矩陣T和U(得分矩陣）以及矩陣P和Q(負(fù)載矩陣)具有縱 列，并且￡1<11^11(111，9，11)為?1^分量的數(shù)量。然后1-和7-得分通過內(nèi)線性回歸來(lái)聯(lián)系，
[0074] ui = biti+hi (13)
[0075] 其中hi和bi分別為殘余和回歸向量，并且ti和Ui分別為第一 PLS得分分