9.24 周报记录

摘要

本周在老师的指导下，将论文框架进行了整理。其次，总结了前一周看过的论文，将别人论文用到的方法进行了整理。了解到要使用那套设备后，我重新看了一遍AAO工艺的反应过程学习各个反应过程在那套设备里面的分布，学习了老师转发的SHAP知识。

This week, under the guidance of my teacher, I organized the structure of the paper. Additionally, I summarized the papers I had read the previous week and organized the methods used by others in their papers. After understanding the equipment to be used, I reviewed the reaction processes of the AAO process and learned about the distribution of various reaction processes within that equipment. I also studied the SHAP knowledge that my teacher forwarded to me.

论文框架

• 背景： 自“十四五”时期以来，国家先后发布了多项关于养殖污水处理的重要文件，将养殖污水达标排放、资源化利用作为下一步工作推进的重点。同时，国家严格实行不达标即关停的政策。根据国家农业部数据显示，全国大中型养殖场已达4万多家，每年产生养殖污水高达28亿吨。（中国是最大的农业国，解决中国的养殖污水问题）然而，全国却有超过80%的养殖场缺少污水处理设备，养殖污水严重制约我国畜牧业可持续发展，这对我国工业、农业造成经济损失高达2500亿。现如今，养殖污水污染问题日益严峻。传统的污水处理工艺A2O存在着能耗高、效果不稳定，无法高效脱氮等缺陷，而传统设备又占地面积大，处理成本高、效率低。针对以上痛点，团队设计了一款标准化集装箱尺寸的养殖一体化污水处理设备，其效率更高、占地面积更小、耗能更低、价格也更低。团队独创了环流式短程反硝化反应器，将传统工艺需要4个泵实现的分区间反应，融合到只需要1个推流器，实现在一体化设备中综合反应，通过提高了污水的反硝化回流比，从而提高了污水的脱氮率，降低了设备的运行能耗。养殖污水进入新型设备后，污水在厌氧区至缺氧区至好氧区高速循环反应，后续再进入膜系统产水，从而实现养殖污水达标排放。新型设备的耗能降低如何做到？–→针对反应过程进行控制。反应过程的控制——>实现对底物氧气的控制是最可行的。从而就引入到DO控制上去。

• 目的：解决养殖场高浓度污水不达标排放对水体造成的严重污染问题。

• 理论方法：设计能有效控制反应过程的新型养殖污水处理器，实现对养殖污水的达标排放。

• 实验思路：实验地点位于广西区某规模化养殖场，该猪场在当地属于典型的示范型规模化养殖场，年存栏量约有一万头，粪污冲洗收集后通过过滤处理进入储水池。储水池内收集的废水主要是猪产生的粪污以及冲洗猪圈所产生的废水。畜禽养殖废水的处理方法取决于其水质特点和当地的出水排放要求，研制的一体化污水设备所采用处理工艺为A2O+MBR组合工艺，一体化设备生化池的厌氧池、缺氧池及好氧池并排布置前后段均设置开口，缺氧池在厌氧池及好氧池的中间。废水通过厌氧池进入缺氧池，利用水流自身的能量推流形成缺氧池与厌氧池的内循环，通过控制开口比来控制废水从缺氧区分别到厌氧区和好氧区的流量。污水首先在厌氧区完成聚磷菌对磷的释放，并且去除部分BOD；然后厌氧区的污水进入缺氧区，实现同步除碳脱氮，完成反硝化反应；最后污水进入好氧区完成聚磷反应，聚磷菌大量吸收污水中的磷，完成除磷过程，而污水通过MBR膜得到进一步净化。

• 结果验证：实现了养殖污水的达标排放。

阅读文献总结

控制系统有哪些：

①采用溶 解氧（ＤＯ）检测仪和电动调节阀作为简单的控制回 路，当生化反应池内的 ＤＯ 值大于某一个设定值时， 关闭电动蝶阀；当 ＤＯ 值小于某一个设定值时则打开 电动蝶 阀。

②采 用 ＰＩＤ 进 行 定 值 调 节，根 据 池 中 溶 氧仪的 ＤＯ 反馈信号与 ＤＯ 设定值进行比较，将偏差 通过 ＰＩＤ运算后传给阀门的行程控制器调节阀门的 开度，进而控制池内的 ＤＯ 值。

原理：

采用简单控制回路，以PID控制算法进行调节控制，根据生物池中在线溶氧仪的DO测定值与设定值进行比较，将两者偏差通过PID运算后输出电动阀门的开度信号，再通过阀门的行程控制器对阀门开度进行相应调节，进而控制池内的溶解氧浓度。

传统方法缺点：传统控制方法的缺点在于：①由于时间延迟，即 从开始曝气到池内 ＤＯ 变化需要一段时间，造成溶解 氧的控制波动很大；②传统方法能耗高，为了保证安 全运行，系统的 ＤＯ 设定值只能保持在较高的数值， 保持了过大的裕度而造成浪费；③过大的波动使得池 内的生物环境不稳定，干扰生物系统的工作。

精准曝气论文中：

总体来说，这篇论文做的工作相当于把非线性的过程，拟合成一个线性过程

前 馈 控 制 在 好 氧 区，根 据 出 水 ＣＯＤＣｒ、ｐＨ、 ＢＯＤ５和氨氮的浓度，调整 ＤＯ 设定值。 意思前馈控制的设计目的是 对DO设定值进行调控。

**所用的核心方式是：**由于反馈部分具有明显的非线性（断崖式的变化），采用线性ＡＲＸ 模型与模糊神经网络模型合成线性化误 差补偿模型，线性误差作为可测量的“扰动”，以补偿 器来消除这种“扰动”的影响，非线性被控过程就可以 线性化。从而可以使用PID控制。

RBF神经网络模型预测控制方法用于废水处理中溶解氧浓度的控制论文中

提出了一种用于控制废水处理过程中溶解氧浓度的自组织径向基函数神经网络模型预测控制（SORBF-MPC）方法。

这里的SORBF是一种改进的RBF网络。

RBF网络

BP算法是一种基于梯度下降算法的监督学习算法，BP算法的缺点是容易陷入局部最优，收敛速度慢，网络结构不统一。而RBF网络是一种基于函数逼近理论的前馈网络，它具有较强的全局逼近能力，可以保证网络以任意精度逼近任意类型的非线性函数。从根本上克服了BP网络存在的局部最优问题。RBF网络具有结构简单、收敛速度快、泛化能力强等优点。它的结构是一种三层正向网络，由输入层、隐藏层和输出层三层组成。输入层到输出层的映射是非线性的，而从隐藏层到输出层的空间映射是线性的。这种映射配置本身可以加快学习速度，避免局部极小值问题。

输入的X向量包括：DO的实时测量值，控制器系统的输出，通过系统后的最终的DO浓度测量值

再结合控制器：

深度学习结合的两种思路

1. 历史入水BOD等数据与实时需求DO（计算出来的理论上需要的最优DO）作为模型输入。得到一个模型，能预测最优DO需求。

2. 历史入水BOD等数据与当前水质DO量（传感器得到实际水质DO数据）作为模型输入。得到一个能预测DO变化的模型。

AAO工艺学习笔记

SHAP阅读

SHAP是什么

SHAP是一种用于解释机器学习模型的强大工具，它提供了对模型预测的透明性，可以帮助数据科学家和机器学习从业者理解模型的决策过程以及特征对预测的影响。它的主要目标是揭示模型的预测如何由各个特征的贡献共同构成。SHAP值通过将每个特征的影响分解为对预测的“Shapley值”，从而为每个特征提供了一个权重，以便理解其对最终预测的贡献。（这个hsapley值最初是博弈论中的概念，用于衡量每个玩家对游戏的贡献）

核心思想

SHAP的核心思想是基于合作博弈论中的Shapley值，将其应用于特征解释。它考虑了每个特征与其他特征的交互作用，以提供更准确的解释。

应用

SHAP可用于解释各种类型的机器学习模型，包括回归、分类、深度学习等。它可以用于以下方面：

• 特征重要性分析：识别哪些特征对模型的预测最重要。

• 预测解释：解释单个预测的原因，包括为什么模型做出了特定的决策。

• 模型比较：比较不同模型的性能和特征重要性。

• 特征工程：指导特征选择和特征工程的过程。

总结

这周学习了论文的框架，总结了上周看的论文；学习了AAO工艺在那套设备里面的分布；去找资料了解了老师转发的SHAP。下周按老师说的框架继续学习论文。