一种基于弹性径向基神经网络的生化需氧量BOD软测量方法转让专利
申请号 : CN201010252670.4
文献号 : CN101957356A
文献日 : 2011-01-26
发明人 : 乔俊飞 , 韩红桂
申请人 : 北京工业大学
摘要 :
一种基于弹性径向基神经网络的生化需氧量BOD软测量方法属于检测技术领域。污水处理过程的生产条件恶劣，随机干扰严重，具有强非线性、大时变、严重滞后的特点，难以通过机理分析建立精确的数学模型。本发明利用RBF神经元的活跃度函数判断神经元的活跃性，对活跃度较强的神经元进行分裂；其次，通过计算交互信息相关性函数，分析RBF神经网络隐含层神经元与输出层神经元间的连接强度，从而根据交互信息强度对神经网络结构进行修改；最后，对神经网络参数进行调整，直到网络结构满足处理信息的需求；本发明提高污水处理的质量和效率、降低污水处理成本，为污水处理过程实现闭环控制提供及时监测出水水质和相关参数，从而促使污水处理厂高效稳定运行。
权利要求 :
1.一种基于弹性径向基神经网络的生化需氧量BOD软测量方法，包括以下步骤：(1)弹性径向基神经网络，以下简称RBF神经网络，设计用于BOD软测量的弹性RBF神经网络拓扑结构；网络分为三层：输入层、隐含层、输出层；输入为污水曝气池进水水质指标，输出为出水生化需氧量BOD；
初始化神经网络：确定神经网络l-K-1的连接方式，即输入层神经元为l个，隐含层神经元为K个，输出层神经元为1个；对神经网络的权值进行随机赋值；神经网络的输入表示T T为x＝(x1，x2，...，xl)，(x1，x2，...，xl) 为(x1，x2，...，xl)的转置，神经网络的期望输出T表示为yd；设共有M个训练样本，则第t个训练样本为x(t)＝(x1(t)，x2(t)，...，xl(t))，用第t个训练样本训练神经网络时，弹性RBF神经网络的输出描述为：T
其中，K是隐含层神经元数，x(t)＝(x1(t)，x2(t)，...，xl(t)) 是输入向量，wk是第k个隐含层神经元与输出层神经元的联结权值；θk是第k个隐含层神经元的输出，即其中，μk和σk分别是第k个隐含层神经元的中心值和方差；
定义误差函数为
M为训练样本总数，yd(t)和y(t)分别是t时刻神经网络的期望输出和实际输出，训练RBF神经网络的目的是使得式(3)定义的误差函数达到期望值；
(2)对样本数据进行校正；
设N个数据样本(x(1)，x(2)，...，x(N))，均值为χ，每一个样本的偏差为D(j)＝x(j)-χ，j＝1，2，...，N，计算标准偏差：若某一个样本x(j)的偏差满足：
|D(j)|≥3σ，，j＝1，2，...，N， (5)则认为样本x(j)是异常数据，应予以剔除，得到校正后的数据，该数据作为神经网络的训练样本和测试样本；
其特征还包括以下步骤：
(3)用校正后的数据训练神经网络，在训练过程中，首先，利用神经元的活跃度函数判断神经元的活跃性，对活跃度较强的神经元进行分裂；其次，通过计算交互信息相关性函数，分析RBF神经网络隐含层神经元与输出层神经元间的连接强度，从而根据交互信息强度对神经网络结构进行修改；最后，对神经网络参数进行调整，直到网络结构满足处理信息的需求；
具体为：
①给定一个RBF神经网络，隐含层神经元为K个，K为小于100的正整数，初始化神经网络权值wk，其值为0到1的随机数，中心值μk为与训练样本相关的数，方差σk∈[0.01，
2]，进行训练，期望误差设为Ed；
②输入样本数据进行运算，计算神经元i的活跃度Afi
其中，i＝1，2，...，K，Afi是第i个隐含层神经元的活跃度，K是隐含层神经元数，θi是第i个隐含层神经元的输出，τ∈[0.01，0.1]，避免‖x-μi‖为零时活跃度函数有解；
如活跃度Afi大于活跃度阀值Afo∈[0.01，0.2]，分裂神经元i，调整网络结构，设定新神经元的初始参数：μi，j＝αjμi+βjx，
σi，j＝αiσi， (7)其中，j＝1，2，...，Nnew，αi∈[0.95，1.05]，βi∈[0，0.1]，μi和σi分别是神经元i的中心值和方差，μi，j和σi，j分别是新神经元j的中心值和方差，Nnew是新增神经元数，其值是小于5的正整数；新神经元与输出神经元间的连接权值设定为其中，j＝1，2，...，Nnew，rj∈[0，1]是新神经元j的分配参数，θi(x)是神经元i的输出，θi，j(x)是新神经元j的输出，wi是分裂神经元i与输出层神经元的联结权值，是当前神经网络的误差，是当前神经网络的误差，描述为 如果神经网络中有1个神经元分裂为Nnew个新神经元，则神经网络隐含层神经元通过分裂后变为K+Nnew-1个；
③计算隐含层神经元X与输出层神经元Y间的连接强度m，
假设X和Y是相互连接的神经元，交互信息的强度M(X；Y)依赖于神经元X和Y间的平均信息量，根据香农熵理论，神经元X和Y间的连接强度为：M(X；Y)＝H(X)-H(X|Y)＝H(X)-H(Y|X)， (9)其中，H(X)为X的香农熵，H(Y|X)为Y在X条件下的熵；由公式(9)知，当神经元X和Y相互独立时，M(X；Y)的值为0；否则，M(X；Y)为正数；所以，M(X；Y)≥0，并且M(X；Y)≤min(H(X)，H(Y)). (10)规则化交互信息的强度
其中0≤m(X；Y)≤1，通过计算m，能够确定神经元X和Y间相关性，即连接强度；设定m0∈[0，0.01]，在RBF神经网络中，当m(X；Y)≥m0时则说明神经元X和Y间的信息交互较强，认为X和Y间有连接；当m(X；Y)＜m0时则表明神经元X和Y间的信息交互强度较弱，在网络结构调整时忽略神经元X和Y间的连接，从而降低神经网络的冗余度；
如神经元间需要调整，则跳往步骤④，否则跳往步骤⑤；
④神经元X和Y间的连接断开，在隐含层找出与神经元X欧氏距离最近的神经元Z，神经元Z的参数为：μ′Z＝μZ，
σ′Z＝σZ，
其中，wZ，μZ和σZ为结构调整前神经元Z与输出层神经元Y间的连接权值、中心值和方差，w′Z，μ′Z和σ′Z为结构调整后神经元Z与输出层神经元Y间的连接权值、中心值和方差，wX为结构调整前神经元X与输出层神经元Y间的连接权值，θX(x)是结构调整前神经元X的输出，θZ(x)是结构调整前神经元Z的输出，通过结构调整，神经网络隐含层冗余神经元得到修剪，假设原来隐含层神经元为K个，需要调整的神经元为Ncut个，则调整后神经网络隐含层神经元变为K-Ncut个；
⑤根据误差函数式(3)来调整神经网络隐含层所有神经元的输出权值w、中心值μ和方差σ；
⑥误差函数式(3)的值达到期望误差Ed时停止计算；
(4)对测试样本进行检测：将测试样本数据作为训练好的神经网络的输入，神经网络的输出即为出水BOD的软测量结果。
说明书 :
一种基于弹性径向基神经网络的生化需氧量BOD软测量方
法
技术领域
[0001] 软测量方法是检测技术及仪表研究的主要发展趋势之一，是先进制造技术领域的重要分支，本发明涉及污水处理过程中出水关键水质指标生化需氧量BOD的软测量方法；
软测量是根据某种最优准则，选择一组既与主变量密切联系，又容易测量的辅助变量，通过构造某种数学模型，依靠事先学习和记忆实现对主变量的估计；软测量的精度取决于对实
测数据的学习、记忆和联想的效果以及不断进行再学习的能力；将软测量方法应用于污水
处理系统，既可节约投资和运行成本，又能及时监测出水水质和相关参数，促使污水处理厂高效稳定运行；因此，BOD的软测量方法在污水处理系统中具有重要意义。
软测量是根据某种最优准则，选择一组既与主变量密切联系，又容易测量的辅助变量，通过构造某种数学模型，依靠事先学习和记忆实现对主变量的估计；软测量的精度取决于对实
测数据的学习、记忆和联想的效果以及不断进行再学习的能力；将软测量方法应用于污水
处理系统，既可节约投资和运行成本，又能及时监测出水水质和相关参数，促使污水处理厂高效稳定运行；因此，BOD的软测量方法在污水处理系统中具有重要意义。
背景技术
[0002] 国务院在《中华人民共和国国民经济和社会发展第十一个五年规划纲要》中明确提出：加强城市污水处理设施建设，全面开征污水处理费，到2010年城市污水处理率不低
于70％。在此背景下，仅2007年全国就新建成城市污水处理厂482座。到2008年末，我国
城市污水处理厂日处理能力达8295万立方米，城市污水处理率达到66％。但污水处理厂
的运行状况却不容乐观，据国家环保部门统计，运行负荷不足、出水水质超标或运行异常的污水处理厂约占到50％。城市污水处理过程中存在的主要问题是：①电能消耗过大，运行
成本居高；②异常工况繁发，出水水质超标现象严重。国家中长期科技发展规划中提出要抑制异常工况发生，确保污水处理质量达标；研究并推广高效、低能耗的污水处理新技术；因此，本发明的研究成果具有广阔的应用前景。
于70％。在此背景下，仅2007年全国就新建成城市污水处理厂482座。到2008年末，我国
城市污水处理厂日处理能力达8295万立方米，城市污水处理率达到66％。但污水处理厂
的运行状况却不容乐观，据国家环保部门统计，运行负荷不足、出水水质超标或运行异常的污水处理厂约占到50％。城市污水处理过程中存在的主要问题是：①电能消耗过大，运行
成本居高；②异常工况繁发，出水水质超标现象严重。国家中长期科技发展规划中提出要抑制异常工况发生，确保污水处理质量达标；研究并推广高效、低能耗的污水处理新技术；因此，本发明的研究成果具有广阔的应用前景。
[0003] 城市污水处理的控制目标就是使出水达到国家排放标准——如GB18918，主要涉及的参数有生化需氧量——BOD、化学需氧量——COD、悬浮物——SS、氨氮——NH3-N、总氮——TN和总磷——TP等。其中水质参数BOD是指在规定时间内分解单位有机物所需要
的氧量，目前污水处理厂多通过使用稀释接种法、微生物传感器快速测定法测定不同类型
水中生化需氧量BOD，其BOD分析测定周期一般为5天，不能及时反映污水处理实际情况，不能实现对BOD实时测量，直接导致污水处理过程难以实现闭环控制。另外，污水中污染物的数量多、含量各异，对检测是一大挑战。研制新型硬件形式的过程测量仪表，虽然可以直接地解决各种污水处理过程变量及水质参数的检测问题，但由于污水中有机物非常复杂，研
发这些传感器将是一个耗资大、历时长的工程。因此，研究新的测量方法解决过程参数的实时测量问题，已成为污水控制工程领域研究的重要课题，并且具有重要的现实意义。
的氧量，目前污水处理厂多通过使用稀释接种法、微生物传感器快速测定法测定不同类型
水中生化需氧量BOD，其BOD分析测定周期一般为5天，不能及时反映污水处理实际情况，不能实现对BOD实时测量，直接导致污水处理过程难以实现闭环控制。另外，污水中污染物的数量多、含量各异，对检测是一大挑战。研制新型硬件形式的过程测量仪表，虽然可以直接地解决各种污水处理过程变量及水质参数的检测问题，但由于污水中有机物非常复杂，研
发这些传感器将是一个耗资大、历时长的工程。因此，研究新的测量方法解决过程参数的实时测量问题，已成为污水控制工程领域研究的重要课题，并且具有重要的现实意义。
[0004] 本发明提出一种新的BOD软测量方法，通过构建弹性径向基(以下简称RBF)神经网络模型，利用神经元的活跃度以及神经元间的交互信息分析网络的连接强度，以此判断
增加或删除RBF神经网络隐含层神经元，同时调整神经网络的拓扑结构，有效地解决了RBF
神经网络结构设计问题，同时利用梯度下降的参数修正算法保证了最终弹性RBF网络的精
度，实现了神经网络的结构和参数自校正，实现对污水处理过程中关键参数BOD的间接在
线测量。
增加或删除RBF神经网络隐含层神经元，同时调整神经网络的拓扑结构，有效地解决了RBF
神经网络结构设计问题，同时利用梯度下降的参数修正算法保证了最终弹性RBF网络的精
度，实现了神经网络的结构和参数自校正，实现对污水处理过程中关键参数BOD的间接在
线测量。
发明内容
[0005] 本发明获得了一种基于弹性RBF神经网络的污水处理关键水质参数BOD的软测量方法；该方法通过分析污水处理过程，在众多可测变量中选择一组既与BOD有密切联系又
容易测量的变量作为辅助变量，通过构造弹性RBF神经网络，实现辅助变量与BOD之间的映
射，实现污水水质BOD的在线测量，解决了当前BOD测量周期长的问题；
容易测量的变量作为辅助变量，通过构造弹性RBF神经网络，实现辅助变量与BOD之间的映
射，实现污水水质BOD的在线测量，解决了当前BOD测量周期长的问题；
[0006] 本发明采用了如下的技术方案及实现步骤：
[0007] 1.一种基于弹性RBF神经网络的BOD软测量方法，
[0008] (1)设计用于BOD软测量的弹性RBF神经网络初始拓扑结构；网络分为三层：输入层、隐含层、输出层。输入为污水曝气池进水水质指标，输出为出水生化需氧量BOD；
[0009] 初始化神经网络：确定神经网络l-K-1的连接方式，即输入层神经元为l个，隐含层神经元为K个，输出层神经元为1个；对神经网络的权值进行随机赋值；神经网络的输入
T T
表示为x＝(x1，x2，...，xl)，(x1，x2，...，xl) 为(x1，x2，...，xl)的转置，神经网络的期望输出表示为yd；设共有M个训练样本，则第t个训练样本为x(t)＝(x1(t)，x2(t)，...，
T
xl(t))，用第t个训练样本训练神经网络时，弹性RBF神经网络的输出可描述为：
T T
表示为x＝(x1，x2，...，xl)，(x1，x2，...，xl) 为(x1，x2，...，xl)的转置，神经网络的期望输出表示为yd；设共有M个训练样本，则第t个训练样本为x(t)＝(x1(t)，x2(t)，...，
T
xl(t))，用第t个训练样本训练神经网络时，弹性RBF神经网络的输出可描述为：
[0010]
[0011] 其中，K是隐含层神经元数，x(t)＝(x1(t)，x2(t)，...，xl(t))T是输入向量，wk是第k个隐含层神经元与输出层神经元的联结权值；θk是第k个隐含层神经元的输出，即
[0012]
[0013] 其中，μk是中心值，σk是方差；
[0014] 定义误差函数为
[0015]
[0016] M为训练样本总数，yd(t)和y(t)分别是t时刻神经网络的期望输出和实际输出，训练RBF神经网络的目的是使得式(3)定义的误差函数达到期望值；
[0017] (2)对样本数据进行校正；
[0018] 设N个数据样本(x(1)，x(2)，...，x(N))，均值为χ，每一个样本的偏差为D(j)＝x(j)-χ，j＝1，2，...，N，计算标准偏差：
[0019]
[0020] 若某一个样本x(j)的偏差满足：
[0021] |D(j)|≥3σ，，j＝1，2，...，N， (5)
[0022] 则认为样本x(j)是异常数据，应予以剔除，得到校正后的数据，该数据作为神经网络的训练样本和测试样本；
[0023] 其特征还包括以下步骤：
[0024] (3)用校正后的数据训练神经网络，在训练过程中，首先，利用神经元的活跃度函数判断神经元的活跃性，对活跃度较强的神经元进行分裂；其次，通过计算交互信息相关性函数，分析RBF神经网络隐含层神经元与输出层神经元间的连接强度，从而根据交互信息强度对网络结构进行修改；最后，对神经网络参数进行调整，直到网络结构满足处理信息的需求；
[0025] 具体为：
[0026] ①给定一个RBF神经网络，隐含层神经元为K，K为小于100的正整数，初始化神经网络权值wk，其值为0到1的随机数，中心值μk为与训练样本相关的数，期望误差设为Ed，方差σk∈[0.01，2]，进行训练；
[0027] ②输入样本数据进行运算，计算神经元i的活跃度Afi，
[0028]
[0029] 其中，i＝1，2，...，K，Afi是隐含层第i个神经元的活跃度，K是隐含层神经元数，θi是隐含层第i个神经元的输出，τ∈[0.01，0.1]，避免‖x-μi‖为零时活跃度函数有解；如活跃度Afi大于活跃度阀值Afo∈[0.01，0.2]，分裂神经元i，调整网络结构，设定新神经元的初始参数：
[0030] μi，j＝αjμi+βjx，
[0031] σi，j＝αiσi， (7)
[0032] 其中，j＝1，2，...，Nnew，ai∈[0.95，1.05]，βi∈[0，0.1]，μi和σi分别是神经元i的中心值和方差，μi，j和σi，j分别是新神经元j的中心值和方差，Nnew是新增神经元数，其值是小于5的正整数，根据神经元活跃度确定所增神经元数；新神经元与输出神经元间的连接权值设定为
[0033]
[0034]
[0035] 其中，j＝1，2，...，Nnew，rj∈[0，1]是新神经元j的分配参数，θi(x)是神经元i的输出，θi，j(x)是新神经元j的输出，wi是分裂神经元i与输出层神经元的联结权值，是当前神经网络的误差，描述为 如果神经网络中有1个神经元分裂为Nnew个
新神经元，则神经网络隐含层神经元通过分裂后变为K+Nnew-1个；
新神经元，则神经网络隐含层神经元通过分裂后变为K+Nnew-1个；
[0036] ③计算隐含层神经元X与输出层神经元Y间的连接强度m，
[0037] 假设X和Y是相互连接的神经元，交互信息的强度M(X；Y)依赖于神经元X和Y间的平均信息量，根据香农熵理论，神经元X和Y间的连接强度为：
[0038] M(X；Y)＝H(X)-H(X|Y)＝H(X)-H(Y|X)， (9)
[0039] 其中，H(X)为X的香农熵，H(Y|X)为Y在X条件下的熵；由公式(9)可知，当神经元X和Y相互独立时，M(X；Y)的值为0；否则，M(X；Y)为正数；所以，M(X；Y)≥0，并且
[0040] M(X；Y)≤min(H(X)，H(Y)). (10)
[0041] 规则化交互信息的强度
[0042]
[0043] 其中0≤m(X；Y)≤1，通过计算m，能够确定神经元X和Y间相关性，即连接强度；设定m0∈[0，0.01]，在RBF神经网络中，当m(X；Y)≥m0时则说明神经元X和Y间的信息
交互较强，认为X和Y间有连接——图2(a)；当m(X；Y)＜m0时则表明神经元X和Y间的信
息交互强度较弱，在网络结构调整时可忽略神经元X和Y间的连接——图2(b)，从而降低神
经网络的冗余度；
交互较强，认为X和Y间有连接——图2(a)；当m(X；Y)＜m0时则表明神经元X和Y间的信
息交互强度较弱，在网络结构调整时可忽略神经元X和Y间的连接——图2(b)，从而降低神
经网络的冗余度；
[0044] 如神经元间需要调整，则跳往步骤④，否则跳往步骤⑤；
[0045] ④神经元X和Y间的连接断开，在隐含层找出与神经元X间欧氏距离最近的神经元Z，神经元Z的参数为：
[0046] μ′Z＝μZ，
[0047] σ′Z＝σZ，
[0048]
[0049] 其中，wZ，μZ和σZ为结构调整前神经元Z与输出层神经元Y间的连接权值、中心值和方差，w′Z，μ′Z和σ′Z为结构调整后神经元Z与输出层神经元Y间的连接权值、
中心值和方差，wX为结构调整前神经元X与输出层神经元Y间的连接权值，θX(x)是隐含
层神经元X的输出，θZ(x)是隐含层神经元Z的输出；通过结构调整，神经网络隐含层冗余
神经元得到修剪，假设原来隐含层神经元为K个，需要调整的神经元为Ncut个，则调整后神经网络隐含层神经元变为K-Ncut个；
中心值和方差，wX为结构调整前神经元X与输出层神经元Y间的连接权值，θX(x)是隐含
层神经元X的输出，θZ(x)是隐含层神经元Z的输出；通过结构调整，神经网络隐含层冗余
神经元得到修剪，假设原来隐含层神经元为K个，需要调整的神经元为Ncut个，则调整后神经网络隐含层神经元变为K-Ncut个；
[0050] ⑤根据误差函数式(3)来调整神经网络隐含层所有神经元的输出权值w、中心值μ和函数宽度σ；
[0051] ⑥误差函数式(3)的值达到期望误差Ed时停止计算；
[0052] (4)对测试样本进行检测：将测试样本数据作为训练好的神经网络的输入，神经网络的输出即为出水BOD的软测量结果；
[0053] 本发明的创造性主要体现在：
[0054] (1)本发明针对当前污水处理中关键参数生化需氧量BOD测量周期长，不能在线检测的问题，根据神经网络可以逼近非线性函数的特点，采用了弹性RBF神经网络实现辅
助变量与BOD之间的映射，对BOD进行在线软测量，具有实时性好、稳定性好、精度高等特
点。从而省去了研制传感器的复杂过程以及降低运行成本；
助变量与BOD之间的映射，对BOD进行在线软测量，具有实时性好、稳定性好、精度高等特
点。从而省去了研制传感器的复杂过程以及降低运行成本；
[0055] (2)本发明依据神经元的活跃度以及神经元间的交互信息强度对网络结构进行调整，不但能够增加隐含层神经元，同时能够删除冗余的神经元，进而调整神经网络的拓扑结构，解决了神经网络结构难以确定的问题，避免了神经网络规模过于复杂而需要较大的存
储空间和计算时间；规模过小而信息处理能力又有限；
储空间和计算时间；规模过小而信息处理能力又有限；
[0056] 特别要注意：本发明只是为了描述方便，采用的是对BOD进行软测量，同样该发明也可适用于COD等，只要采用了本发明的原理进行软测量都应该属于本发明的范围。
附图说明
[0057] 图1是本发明的软测量神经网络拓扑结构；
[0058] 图2是神经元X和Y间连接图；
[0059] 图3是本发明拟合结果图，其中黑色实线为BOD实测值，红色虚线为BOD拟合值；
[0060] 图4是本发明拟合结果误差图；
[0061] 图5是本发明软测量结果图，其中黑色实线为BOD实测值，红色虚线为BOD软测量值；
[0062] 图6是本发明软测量结果误差图；
[0063] 表1-12是本发明实验数据，表1-4为训练样本，表5为BOD实测值，表6为神经网络拟合值，表7-10为检测样本，表11为BOD实测值，表12为软测量值。
具体实施方式
[0064] 本发明选取测量BOD的辅助变量SS、pH、DO、COD，其中SS是进水水质中固体悬浮物，pH是进水水质的酸碱度，DO是进水水质中溶解氧浓度，COD是进水水质中能被氧化的物质在被化学氧化剂氧化时所需要的氧量，除pH没有单位外，以上单位均为毫克/升；
[0065] 实验数据来自某污水处理厂2008年水质分析日报表。实验样本经数据预处理后剩下200组数据，将全部的200组数据样本分为两部分：其中100组数据用作为训练样本，
其余100组数据作为测试样本，实验数据如表1-5和表7-11所示；图1为BOD神经网络软
测量模型，其输入分别为SS、pH、DO、COD，采用4-5-1的连接方式，即4个输入神经元，5个隐含层神经元，1个输出神经元；
其余100组数据作为测试样本，实验数据如表1-5和表7-11所示；图1为BOD神经网络软
测量模型，其输入分别为SS、pH、DO、COD，采用4-5-1的连接方式，即4个输入神经元，5个隐含层神经元，1个输出神经元；
[0066] 弹性RBF神经网络算法具体步骤如下：
[0067] (1)初始化神经网络：确定4-5-1的连接方式，对神经网络的权值wk进行随机赋值，其值为0到1的随机数，w1＝0.46，w2＝0.21，w3＝0.29，w4＝0.11，w5＝0.38；中心
值μ1＝[-0.43，-0.77，-0.81，0.16]，μ2＝[1.2，2.6，-2.3，0.16]，μ3＝[1.16，0.03，
1.15，0.83]，μ4＝[0.51，1.52，-0.51，1.33]，μ5＝[1.56，0.79，0.65，-1.56]；方差σ1＝σ2＝σ3＝σ4＝σ5＝0.25；输入分别为SS、pH、DO、COD的值，输出为BOD的值；
值μ1＝[-0.43，-0.77，-0.81，0.16]，μ2＝[1.2，2.6，-2.3，0.16]，μ3＝[1.16，0.03，
1.15，0.83]，μ4＝[0.51，1.52，-0.51，1.33]，μ5＝[1.56，0.79，0.65，-1.56]；方差σ1＝σ2＝σ3＝σ4＝σ5＝0.25；输入分别为SS、pH、DO、COD的值，输出为BOD的值；
[0068] (2)对样本数据进行校正，分别取SS、pH、DO、COD校正完的数据200组，其中100组用于训练，数据在表1-5中，表1-4为神经网络输入数据，表5为实际系统输出数据，表6
为神经网络输出数据；
为神经网络输出数据；
[0069] (3)用校正后的训练样本数据训练神经网络，在训练过程中，首先，利用神经元的活跃度函数判断神经元的活跃性，对活跃度较强的神经元进行分裂；其次，通过计算交互信息相关性函数，分析RBF神经网络隐含层神经元与输出层神经元间的连接强度，从而根据交互信息强度对网络结构进行修改；最后，对神经网络参数进行调整，直到网络结构满足处理信息的需求，提高神经网络的计算速度和信息处理能力；
[0070] 具体为：
[0071] ①训练给定初始化RBF神经网络，设计期望误差Ed＝0.01；
[0072] ②输入样本数据进行运算，根据公式(6)计算神经元i的活跃度Afi，且活跃度阀值Afo＝0.15，通过计算得到，神经元的活跃度分别为Af1＝0.3534，Af2＝0.0166，Af3＝
0.1237，Af4＝0.0892，Af5＝0.1167；神经元1的活跃度大于活跃度阀值Afo，分裂神经元
1，神经元1分裂成3个神经元，分裂后隐含层神经元数变为7个，分裂后的第一个新神经元
填补原来神经元的位置，其他分裂的新神经元在原来隐含层神经元的基础上增长，因此，分裂后的3个神经元第一个填补原来神经元1的位置，其他两个为隐含层神经元6和神经元
7，调整网络结构，根据公式(7)和(8)设定新神经元的初始参数；
0.1237，Af4＝0.0892，Af5＝0.1167；神经元1的活跃度大于活跃度阀值Afo，分裂神经元
1，神经元1分裂成3个神经元，分裂后隐含层神经元数变为7个，分裂后的第一个新神经元
填补原来神经元的位置，其他分裂的新神经元在原来隐含层神经元的基础上增长，因此，分裂后的3个神经元第一个填补原来神经元1的位置，其他两个为隐含层神经元6和神经元
7，调整网络结构，根据公式(7)和(8)设定新神经元的初始参数；
[0073] w1＝0.39，w6＝0.07，w7＝0.03，
[0074] μ1＝[-0.32，-0.57，-0.97，0.13]，μ6＝[-0.45，-0.51，-0.66，0.11]，μ7＝[-0.10，-0.64，-0.91，0.25]，
[0075] σ1＝0.24，σ6＝0.24，σ7＝0.24；
[0076] 其他没有分裂的隐含层神经元与输出层神经元间的连接权值、中心值和方差不调整；
[0077] ③计算隐含层神经元X与输出层神经元Y间的连接强度m，设定m0＝0.005，通过计算得到m1＝0.7534，m2＝0.0016，m3＝2.3117，m4＝3.0664，m5＝3.3252，m6＝0.8664，m7＝1.0001；隐含层神经元2与输出层神经元间的连接强度m2小于m0，其他隐含层神经元
与输出层神经元间的连接强度m大于m0，因此神经网络需要调整，跳往步骤④；如神经元间连接不需要调整，则跳往步骤⑤，图2给出了隐含层神经元与输出层神经元间调整结构；
与输出层神经元间的连接强度m大于m0，因此神经网络需要调整，跳往步骤④；如神经元间连接不需要调整，则跳往步骤⑤，图2给出了隐含层神经元与输出层神经元间调整结构；
[0078] ④隐含层神经元2和输出层神经元Y间的连接断开，在隐含层找出与神经元2欧氏距离最近的神经元5，神经元5的参数根据公式(12)进行调整；调整后隐含层神经元5的
连接权值、中心值和方差分别为：
连接权值、中心值和方差分别为：
[0079] w′5＝0.47，，μ′Z＝[1.56，0.79，0.65，-1.56]，σ′Z＝0.25，
[0080] 通过调整隐含层神经元数变为6个，神经网络的结构得到调整；
[0081] ⑤根据误差函数(3)调整神经网络隐含层所有神经元的输出权值w、中心值μ和方差σ；
[0082] ⑥误差函数(3)的计算值达到期望误差Ed时停止计算；
[0083] (4)对测试数据进行检测：将测试样本数据作为训练好的神经网络的输入，数据在表7-10中，系统实际输出数据在表11中，神经网络的输出即为出水BOD的软测量结果，
数据在表12中；图5为测量结果，图6为测量误差；
数据在表12中；图5为测量结果，图6为测量误差；
[0084] 图3为出水水质BOD训练结果图，X轴：输入样本点，Y轴：生化需氧量BOD(毫克/升)，实线是实际系统输出值，虚线为神经网络输出值；图4为出水水质BOD训练结果误
差图，图5为出水水质BOD软测量情况图，X轴：输入样本点，Y轴：生化需氧量BOD(毫克/
升)，实线是实际系统输出值，虚线为神经网络输出值；图6为软测量误差，结果证明该方法的有效性。
差图，图5为出水水质BOD软测量情况图，X轴：输入样本点，Y轴：生化需氧量BOD(毫克/
升)，实线是实际系统输出值，虚线为神经网络输出值；图6为软测量误差，结果证明该方法的有效性。
[0085] 训练数据：
[0086] 表1.辅助变量COD的输入值(mg/L)
[0087]46.3147 38.0058 25.127 70.4134 13.9824 95.0975 65.2785 37.6969 25.9575 29.4649
70.3076 31.9706 62.1672 58.4854 24.3003 44.4019 57.0218 62.4157 24.2922 57.4595
36.1557 27.1357 15.8491 70.434 14.0287 95.7577 65.7431 37.5422 25.6555 28.6712
70.856 31.0318 61.4869 58.0462 23.5971 45.0835 57.2948 61.8171 24.4502 56.5344
35.9387 27.4816 15.7655 70.2952 13.5369 95.4898 65.4456 37.7963 25.7094 29.2547
70.426 31.6797 61.8651 58.1626 23.619 44.7584 57.5597 61.8404 24.0853 56.7238
36.2513 27.3551 15.506 70.1991 14.2409 95.9593 65.5472 37.2886 25.1493 28.7575
70.9907 31.2543 62.0243 58.2435 24.4293 44.61 56.7966 61.7511 24.116 56.9733
35.8517 27.9308 15.5853 70.0497 14.2672 95.2858 65.7572 37.9037 25.3804 29.0678
70.2259 31.054 61.7408 58.7792 24.434 44.3899 57.1688 61.9694 23.5119 56.8371[0088] 表2.辅助变量SS的输入值(mg/L)
70.3076 31.9706 62.1672 58.4854 24.3003 44.4019 57.0218 62.4157 24.2922 57.4595
36.1557 27.1357 15.8491 70.434 14.0287 95.7577 65.7431 37.5422 25.6555 28.6712
70.856 31.0318 61.4869 58.0462 23.5971 45.0835 57.2948 61.8171 24.4502 56.5344
35.9387 27.4816 15.7655 70.2952 13.5369 95.4898 65.4456 37.7963 25.7094 29.2547
70.426 31.6797 61.8651 58.1626 23.619 44.7584 57.5597 61.8404 24.0853 56.7238
36.2513 27.3551 15.506 70.1991 14.2409 95.9593 65.5472 37.2886 25.1493 28.7575
70.9907 31.2543 62.0243 58.2435 24.4293 44.61 56.7966 61.7511 24.116 56.9733
35.8517 27.9308 15.5853 70.0497 14.2672 95.2858 65.7572 37.9037 25.3804 29.0678
70.2259 31.054 61.7408 58.7792 24.434 44.3899 57.1688 61.9694 23.5119 56.8371[0088] 表2.辅助变量SS的输入值(mg/L)
[0089]35.6622 33.5443 30.3112 43.0785 28.3356 27.552 38.713 36.1541 32.6892 34.2482
31.2505 33.3838 43.529 40.9133 29.6524 32.5758 31.1883 28.9961 27.0782 29.8927
35.6067 33.7119 30.0046 43.3249 28.9873 27.8187 38.5344 35.8998 32.2599 34.3001
31.2314 34.2106 43.4818 40.2638 29.6455 31.8861 31.5193 28.5797 27.5499 29.595
36.353 33.3721 30.351 43.0632 28.5718 27.026 38.6899 35.6233 32.1839 33.74
31.2173 33.3497 44.2027 40.9448 29.9909 32.2393 30.9877 28.9001 27.3692 29.5612
36.2803 33.1397 30.2417 42.9539 28.2665 27.082 39.3921 36.4561 32.5752 33.5598
31.0348 33.6532 44.1212 40.0154 29.543 31.919 31.2991 28.7317 27.6477 29.9009
36.047 33.0463 30.7447 42.739 28.8568 27.1335 38.8185 36.1256 32.7802 33.5811
31.7294 34.0757 43.7868 40.4359 29.9468 32.0563 31.1585 28.5108 27.8176 30.2448[0090] 表3.辅助变量pH的输入值
31.2505 33.3838 43.529 40.9133 29.6524 32.5758 31.1883 28.9961 27.0782 29.8927
35.6067 33.7119 30.0046 43.3249 28.9873 27.8187 38.5344 35.8998 32.2599 34.3001
31.2314 34.2106 43.4818 40.2638 29.6455 31.8861 31.5193 28.5797 27.5499 29.595
36.353 33.3721 30.351 43.0632 28.5718 27.026 38.6899 35.6233 32.1839 33.74
31.2173 33.3497 44.2027 40.9448 29.9909 32.2393 30.9877 28.9001 27.3692 29.5612
36.2803 33.1397 30.2417 42.9539 28.2665 27.082 39.3921 36.4561 32.5752 33.5598
31.0348 33.6532 44.1212 40.0154 29.543 31.919 31.2991 28.7317 27.6477 29.9009
36.047 33.0463 30.7447 42.739 28.8568 27.1335 38.8185 36.1256 32.7802 33.5811
31.7294 34.0757 43.7868 40.4359 29.9468 32.0563 31.1585 28.5108 27.8176 30.2448[0090] 表3.辅助变量pH的输入值
[0091]7.0348 6.6459 7.3787 7.9318 6.6634 5.9972 7.2194 6.9975 7.2398 6.0088
7.0112 6.9415 6.2741 7.3441 7.1341 5.6657 5.8402 5.4818 6.6093 6.4104
6.8877 6.9914 6.5516 7.1651 7.18 5.6987 7.467 7.3543 7.2689 5.5129
7.4175 7.0246 7.2448 7.0571 7.705 6.0055 5.9073 6.1238 6.2227 6.2113
6.0869 6.3959 7.3674 7.2151 6.9738 5.6502 7.451 6.8751 7.506 5.1628
7.4449 6.7836 6.5858 7.454 7.2008 5.4959 6.1398 6.2015 5.7077 6.4277
7.0012 6.8173 6.5495 7.3604 6.9694 5.6573 7.5228 6.8463 7.7573 5.3166
7.0159 7.1191 7.0585 7.6197 7.4395 6.0698 5.7496 6.0972 6.3553 5.9368
6.7812 7.074 6.7729 7.7327 6.4161 5.0783 7.2815 7.5021 7.3965 6.0499
6.762 6.5743 6.4709 7.7121 7.3046 6.0943 5.9226 6.0486 6.5586 6.3683[0092] 表4.辅助变量DO的输入值(mg/L)
7.0112 6.9415 6.2741 7.3441 7.1341 5.6657 5.8402 5.4818 6.6093 6.4104
6.8877 6.9914 6.5516 7.1651 7.18 5.6987 7.467 7.3543 7.2689 5.5129
7.4175 7.0246 7.2448 7.0571 7.705 6.0055 5.9073 6.1238 6.2227 6.2113
6.0869 6.3959 7.3674 7.2151 6.9738 5.6502 7.451 6.8751 7.506 5.1628
7.4449 6.7836 6.5858 7.454 7.2008 5.4959 6.1398 6.2015 5.7077 6.4277
7.0012 6.8173 6.5495 7.3604 6.9694 5.6573 7.5228 6.8463 7.7573 5.3166
7.0159 7.1191 7.0585 7.6197 7.4395 6.0698 5.7496 6.0972 6.3553 5.9368
6.7812 7.074 6.7729 7.7327 6.4161 5.0783 7.2815 7.5021 7.3965 6.0499
6.762 6.5743 6.4709 7.7121 7.3046 6.0943 5.9226 6.0486 6.5586 6.3683[0092] 表4.辅助变量DO的输入值(mg/L)
[0093]2.0577 2.1906 2.5401 2.2529 2.4304 2.03 2.2361 1.6966 1.7931 1.868
1.9469 1.6346 1.8592 2.418 2.2282 1.6031 1.7469 1.4675 1.4894 1.9389
2.0221 2.1577 2.5909 2.2734 2.4846 2.0719 2.256 1.6473 1.7543 1.8125
1.9482 1.6056 1.8362 2.4042 2.2759 1.6324 1.7711 1.4328 1.4305 1.9932
2.0745 2.1776 2.5332 2.2156 2.4656 2.0219 2.2325 1.6993 1.7398 1.8613
1.9084 1.6999 1.8538 2.4576 2.2539 1.623 1.7678 1.4215 1.4529 1.9964
2.0824 2.1278 2.5527 2.2847 2.4659 2.0393 2.2808 1.6262 1.7757 1.8083
1.9731 1.6234 1.8811 2.4713 2.2909 1.6424 1.7317 1.4453 1.4574 1.9356
2.0352 2.1321 2.5364 2.2055 2.4791 2.0291 2.2764 1.6881 1.7393 1.855
1.9541 1.6338 1.823 2.465 2.2338 1.6584 1.7158 1.4167 1.4744 1.9387[0094] 表5.BOD的实测输出值(mg/L)
1.9469 1.6346 1.8592 2.418 2.2282 1.6031 1.7469 1.4675 1.4894 1.9389
2.0221 2.1577 2.5909 2.2734 2.4846 2.0719 2.256 1.6473 1.7543 1.8125
1.9482 1.6056 1.8362 2.4042 2.2759 1.6324 1.7711 1.4328 1.4305 1.9932
2.0745 2.1776 2.5332 2.2156 2.4656 2.0219 2.2325 1.6993 1.7398 1.8613
1.9084 1.6999 1.8538 2.4576 2.2539 1.623 1.7678 1.4215 1.4529 1.9964
2.0824 2.1278 2.5527 2.2847 2.4659 2.0393 2.2808 1.6262 1.7757 1.8083
1.9731 1.6234 1.8811 2.4713 2.2909 1.6424 1.7317 1.4453 1.4574 1.9356
2.0352 2.1321 2.5364 2.2055 2.4791 2.0291 2.2764 1.6881 1.7393 1.855
1.9541 1.6338 1.823 2.465 2.2338 1.6584 1.7158 1.4167 1.4744 1.9387[0094] 表5.BOD的实测输出值(mg/L)
[0095]8.0232 5.9753 8.4426 8.7405 8.2811 6.1161 7.0406 8.0484 8.1406 6.6089
7.5934 6.9266 7.804 7.0098 8.2173 7.1423 7.4551 8.0736 8.9072 6.9769
8.0409 5.9846 8.493 8.6906 8.2501 6.0508 7.0413 8.0157 8.1693 6.6589
7.5783 6.9819 7.8059 7.0289 8.1834 7.1932 7.4377 8.0171 8.8441 6.9313
8.0466 6.0144 8.471 8.7408 8.3085 6.0525 7.1103 8.0688 8.1197 6.6369
7.5743 6.9518 7.7901 7.0115 8.2253 7.2397 7.4439 8.0418 8.8912 6.9636
7.9992 5.9864 8.4408 8.7279 8.236 6.0883 7.0537 8.0375 8.1508 6.6512
7.5689 6.8964 7.8256 7.0148 8.2256 7.1583 7.4001 8.0675 8.832 6.8843
8.03 5.941 8.4708 8.7515 8.2929 6.0873 7.0597 8.0304 8.1095 6.6409
7.5945 6.9823 7.8472 7.0683 8.2016 7.1922 7.458 8.0347 8.9034 6.9778[0096] 表6.BOD的拟合值(mg/L)
7.5934 6.9266 7.804 7.0098 8.2173 7.1423 7.4551 8.0736 8.9072 6.9769
8.0409 5.9846 8.493 8.6906 8.2501 6.0508 7.0413 8.0157 8.1693 6.6589
7.5783 6.9819 7.8059 7.0289 8.1834 7.1932 7.4377 8.0171 8.8441 6.9313
8.0466 6.0144 8.471 8.7408 8.3085 6.0525 7.1103 8.0688 8.1197 6.6369
7.5743 6.9518 7.7901 7.0115 8.2253 7.2397 7.4439 8.0418 8.8912 6.9636
7.9992 5.9864 8.4408 8.7279 8.236 6.0883 7.0537 8.0375 8.1508 6.6512
7.5689 6.8964 7.8256 7.0148 8.2256 7.1583 7.4001 8.0675 8.832 6.8843
8.03 5.941 8.4708 8.7515 8.2929 6.0873 7.0597 8.0304 8.1095 6.6409
7.5945 6.9823 7.8472 7.0683 8.2016 7.1922 7.458 8.0347 8.9034 6.9778[0096] 表6.BOD的拟合值(mg/L)
[0097]7.8862 6.0171 8.4416 8.6939 8.3746 6.1276 7.0794 7.9665 8.0676 6.7472
7.4785 6.8421 7.8118 7.1157 8.0116 7.1929 7.484 7.9657 8.9256 7.0131
7.9441 5.9729 8.2819 8.4561 8.4281 5.9847 7.1858 8.0731 7.9603 6.6073
7.4595 6.9244 7.8959 6.8707 8.3579 7.2594 7.276 8.1301 8.8631 7.0056
7.9357 6.0946 8.3875 8.658 8.4785 6.1237 7.1366 7.9101 8.1895 6.6352
7.5315 7.0145 7.8108 7.0355 8.1316 7.2094 7.3822 8.1021 8.8507 7.0637
7.8827 5.863 8.3164 8.8302 8.2606 6.072 7.0997 7.9182 8.1466 6.6504
7.5086 7.0134 7.8644 7.0518 8.2368 7.1584 7.3165 8.1073 8.8125 6.8147
7.9353 6.0006 8.3834 8.8308 8.3544 6.1227 7.0455 8.1649 8.0951 6.6242
7.4864 7.0187 7.8511 7.1427 8.2294 7.2128 7.4003 8.134 8.8257 7.0576[0098] 检测数据：
7.4785 6.8421 7.8118 7.1157 8.0116 7.1929 7.484 7.9657 8.9256 7.0131
7.9441 5.9729 8.2819 8.4561 8.4281 5.9847 7.1858 8.0731 7.9603 6.6073
7.4595 6.9244 7.8959 6.8707 8.3579 7.2594 7.276 8.1301 8.8631 7.0056
7.9357 6.0946 8.3875 8.658 8.4785 6.1237 7.1366 7.9101 8.1895 6.6352
7.5315 7.0145 7.8108 7.0355 8.1316 7.2094 7.3822 8.1021 8.8507 7.0637
7.8827 5.863 8.3164 8.8302 8.2606 6.072 7.0997 7.9182 8.1466 6.6504
7.5086 7.0134 7.8644 7.0518 8.2368 7.1584 7.3165 8.1073 8.8125 6.8147
7.9353 6.0006 8.3834 8.8308 8.3544 6.1227 7.0455 8.1649 8.0951 6.6242
7.4864 7.0187 7.8511 7.1427 8.2294 7.2128 7.4003 8.134 8.8257 7.0576[0098] 检测数据：
[0099] 表7.辅助变量COD的输入值(mg/L)
[0100]56.4879 47.3704 46.9578 57.0968 23.674 87.1841 65.4024 33.2328 45.7022 38.8707
60.4044 31.3813 61.3711 58.7581 24.3711 44.6108 51.2855 31.2941 26.0306 56.3324
65.5975 27.4353 15.2992 69.9526 13.7726 95.3596 60.5583 37.7425 45.4243 28.9294
30.3749 31.0244 61.5002 58.3175 24.1537 45.2169 46.5357 41.9579 25.7405 57.0639
25.7593 27.8406 15.7437 69.6059 14.0316 95.4633 55.2122 57.2485 25.8236 38.675
40.7136 31.666 62.1044 58.5166 24.2027 44.4136 56.5535 32.0409 29.1797 50.6366
31.3092 27.8486 15.1202 70.025 13.6758 95.5464 60.3989 47.5651 27.1807 29.0054
70.0205 31.9237 61.8637 58.9326 23.6635 66.1811 51.3947 32.0774 27.94 46.5076
31.2519 27.3287 15.0642 70.2673 14.0212 95.7152 65.6421 47.569 45.3908 49.2161
50.3174 26.0145 54.2891 46.3523 26.0056 45.8857 46.5509 60.944 36.56 51.3667[0101] 表8.辅助变量SS的输入值(mg/L)
60.4044 31.3813 61.3711 58.7581 24.3711 44.6108 51.2855 31.2941 26.0306 56.3324
65.5975 27.4353 15.2992 69.9526 13.7726 95.3596 60.5583 37.7425 45.4243 28.9294
30.3749 31.0244 61.5002 58.3175 24.1537 45.2169 46.5357 41.9579 25.7405 57.0639
25.7593 27.8406 15.7437 69.6059 14.0316 95.4633 55.2122 57.2485 25.8236 38.675
40.7136 31.666 62.1044 58.5166 24.2027 44.4136 56.5535 32.0409 29.1797 50.6366
31.3092 27.8486 15.1202 70.025 13.6758 95.5464 60.3989 47.5651 27.1807 29.0054
70.0205 31.9237 61.8637 58.9326 23.6635 66.1811 51.3947 32.0774 27.94 46.5076
31.2519 27.3287 15.0642 70.2673 14.0212 95.7152 65.6421 47.569 45.3908 49.2161
50.3174 26.0145 54.2891 46.3523 26.0056 45.8857 46.5509 60.944 36.56 51.3667[0101] 表8.辅助变量SS的输入值(mg/L)
[0102]26.1312 27.4551 25.997 10.7242 14.0025 15.605 25.3872 17.2922 25.0251 28.9211
30.1841 21.7258 21.5704 15.8416 24.2342 24.831 16.7769 22.4574 23.7653 17.4246
25.7238 27.4736 15.0875 11.1401 13.5306 15.0451 25.7232 17.4974 25.6606 28.8839
40.6773 21.0216 22.1106 15.8006 24.2458 25.0731 16.9833 22.1173 24.0755 17.0301
45.7751 27.3486 15.4516 10.7277 14.1544 15.9861 25.03 17.6857 25.0871 29.3021
30.9891 11.0669 22.1894 15.0182 24.1838 25.0437 17.1341 22.3854 24.399 17.1259
25.6379 27.3178 15.1821 10.5418 13.4569 15.6164 25.9397 17.5045 25.4106 29.4843
20.9456 11.6766 22.2383 15.7668 23.8367 24.9224 16.8442 21.7955 24.1802 17.0278
35.9116 27.7026 15.7505 11.0835 13.9018 15.5836 25.5118 17.2326 25.7196 29.4962
20.5045 11.9713 21.5964 15.8865 23.9547 24.6734 16.8177 21.6257 23.8089 17.2261[0103]
30.1841 21.7258 21.5704 15.8416 24.2342 24.831 16.7769 22.4574 23.7653 17.4246
25.7238 27.4736 15.0875 11.1401 13.5306 15.0451 25.7232 17.4974 25.6606 28.8839
40.6773 21.0216 22.1106 15.8006 24.2458 25.0731 16.9833 22.1173 24.0755 17.0301
45.7751 27.3486 15.4516 10.7277 14.1544 15.9861 25.03 17.6857 25.0871 29.3021
30.9891 11.0669 22.1894 15.0182 24.1838 25.0437 17.1341 22.3854 24.399 17.1259
25.6379 27.3178 15.1821 10.5418 13.4569 15.6164 25.9397 17.5045 25.4106 29.4843
20.9456 11.6766 22.2383 15.7668 23.8367 24.9224 16.8442 21.7955 24.1802 17.0278
35.9116 27.7026 15.7505 11.0835 13.9018 15.5836 25.5118 17.2326 25.7196 29.4962
20.5045 11.9713 21.5964 15.8865 23.9547 24.6734 16.8177 21.6257 23.8089 17.2261[0103]
[0104] 表9.辅助变量pH的输入值
[0105]5.5783 6.8194 7.001 7.6343 7.2622 7.0271 6.4543 6.5378 8.0704 7.573
6.8224 6.3269 6.3673 7.0477 7.5624 7.7736 7.6677 8.083 7.0767 7.5434
5.5108 6.7682 7.0099 7.599 7.1893 7.0396 6.4599 6.5044 8.0557 7.5772
6.8312 6.3179 6.3339 7.021 7.551 7.8406 7.7129 8.0102 7.0391 7.4555
5.5501 6.7932 7.0998 7.6312 7.2186 7.0394 6.4638 6.539 8.0927 7.5917
6.8714 6.3618 6.3343 7.0936 7.5125 7.8231 7.7146 8.0833 7.0398 7.525
5.5835 6.7822 7.0552 7.6479 7.2249 6.983 6.5119 6.5361 8.0757 7.5414
6.8492 6.3695 6.3973 7.0328 7.5838 7.8239 7.7454 8.0032 7.0357 7.5163
5.5282 6.773 7.0711 7.6125 7.2291 7.016 6.4548 6.5349 8.0451 7.5241
6.8715 6.3856 6.3282 7.0731 7.5138 7.8337 7.6639 8.0588 7.0366 7.5307[0106] 表10.辅助变量DO的输入值(mg/L)
6.8224 6.3269 6.3673 7.0477 7.5624 7.7736 7.6677 8.083 7.0767 7.5434
5.5108 6.7682 7.0099 7.599 7.1893 7.0396 6.4599 6.5044 8.0557 7.5772
6.8312 6.3179 6.3339 7.021 7.551 7.8406 7.7129 8.0102 7.0391 7.4555
5.5501 6.7932 7.0998 7.6312 7.2186 7.0394 6.4638 6.539 8.0927 7.5917
6.8714 6.3618 6.3343 7.0936 7.5125 7.8231 7.7146 8.0833 7.0398 7.525
5.5835 6.7822 7.0552 7.6479 7.2249 6.983 6.5119 6.5361 8.0757 7.5414
6.8492 6.3695 6.3973 7.0328 7.5838 7.8239 7.7454 8.0032 7.0357 7.5163
5.5282 6.773 7.0711 7.6125 7.2291 7.016 6.4548 6.5349 8.0451 7.5241
6.8715 6.3856 6.3282 7.0731 7.5138 7.8337 7.6639 8.0588 7.0366 7.5307[0106] 表10.辅助变量DO的输入值(mg/L)
[0107]2.4896 2.531 2.1323 2.0047 2.0351 2.4336 1.7658 2.1427 2.1511 2.3133
2.0114 2.3125 2.3339 1.718 2.2589 2.0481 2.3616 2.4025 1.5449 2.2669
2.4997 2.5678 2.1932 2.0142 2.0468 2.5148 1.7352 2.2278 2.0816 2.3706
1.977 2.3401 2.3653 1.7458 2.2664 1.9705 2.3155 2.4314 1.5206 2.2845
2.5096 2.5754 2.2005 1.968 2.0078 2.4422 1.7118 2.2329 2.0777 2.3
2.0414 2.3256 2.2715 1.7084 2.2561 2.0067 2.3229 2.4439 1.5831 2.2151
2.4896 2.5153 2.1892 2.0261 2.0324 2.1938 1.6912 2.162 2.1031 2.3666
2.0678 2.324 2.3399 1.6861 2.2419 2.0213 2.2899 2.4104 1.5502 2.2016
2.4456 2.5251 2.1472 1.9823 2.0774 2.2853 1.7054 2.1879 2.1328 2.2863
1.987 2.2951 2.3327 1.7207 2.2527 1.9566 2.3032 2.4793 1.5446 2.2828[0108] 表11.BOD的实测输出值(mg/L)
2.0114 2.3125 2.3339 1.718 2.2589 2.0481 2.3616 2.4025 1.5449 2.2669
2.4997 2.5678 2.1932 2.0142 2.0468 2.5148 1.7352 2.2278 2.0816 2.3706
1.977 2.3401 2.3653 1.7458 2.2664 1.9705 2.3155 2.4314 1.5206 2.2845
2.5096 2.5754 2.2005 1.968 2.0078 2.4422 1.7118 2.2329 2.0777 2.3
2.0414 2.3256 2.2715 1.7084 2.2561 2.0067 2.3229 2.4439 1.5831 2.2151
2.4896 2.5153 2.1892 2.0261 2.0324 2.1938 1.6912 2.162 2.1031 2.3666
2.0678 2.324 2.3399 1.6861 2.2419 2.0213 2.2899 2.4104 1.5502 2.2016
2.4456 2.5251 2.1472 1.9823 2.0774 2.2853 1.7054 2.1879 2.1328 2.2863
1.987 2.2951 2.3327 1.7207 2.2527 1.9566 2.3032 2.4793 1.5446 2.2828[0108] 表11.BOD的实测输出值(mg/L)
[0109]8.0415 8.8679 8.5263 7.5347 8.3187 7.3268 8.9571 9.0611 8.6912 7.2531
7.2391 8.5411 6.4277 6.2598 6.341 6.5831 7.0285 6.9651 6.0499 7.7097
8.0458 8.8218 8.5229 7.5299 8.3584 7.2796 8.9827 9.0303 8.6047 7.2074
7.2277 8.5673 6.4313 6.271 6.3354 6.5307 7.0225 6.9747 6.1184 7.6807
8.0583 8.8338 8.4785 7.525 8.3586 7.3232 8.9173 9.0314 8.6363 7.2105
7.2119 8.5771 6.4355 6.206 6.287 6.5293 7.0274 6.9614 6.0746 7.6595
8.0523 8.867 8.528 7.5258 8.3102 7.3343 8.9288 8.9699 8.6008 7.1831
7.2326 8.5258 6.4042 6.2354 6.2622 6.5064 7.0358 6.9911 6.1324 7.6768
8.1005 8.8566 8.4844 7.4867 8.3132 7.3003 8.9225 9.0527 8.5989 7.2103
7.2829 8.5351 6.4643 6.2633 6.3413 6.5848 6.9918 6.9311 6.1248 7.679[0110] 表12.BOD的软测量值(mg/L)
7.2391 8.5411 6.4277 6.2598 6.341 6.5831 7.0285 6.9651 6.0499 7.7097
8.0458 8.8218 8.5229 7.5299 8.3584 7.2796 8.9827 9.0303 8.6047 7.2074
7.2277 8.5673 6.4313 6.271 6.3354 6.5307 7.0225 6.9747 6.1184 7.6807
8.0583 8.8338 8.4785 7.525 8.3586 7.3232 8.9173 9.0314 8.6363 7.2105
7.2119 8.5771 6.4355 6.206 6.287 6.5293 7.0274 6.9614 6.0746 7.6595
8.0523 8.867 8.528 7.5258 8.3102 7.3343 8.9288 8.9699 8.6008 7.1831
7.2326 8.5258 6.4042 6.2354 6.2622 6.5064 7.0358 6.9911 6.1324 7.6768
8.1005 8.8566 8.4844 7.4867 8.3132 7.3003 8.9225 9.0527 8.5989 7.2103
7.2829 8.5351 6.4643 6.2633 6.3413 6.5848 6.9918 6.9311 6.1248 7.679[0110] 表12.BOD的软测量值(mg/L)
[0111]7.9663 8.9706 8.2366 7.602 8.4961 7.3325 8.8481 8.755 8.3445 7.1013
7.0955 8.9593 6.3977 6.1574 6.3758 6.6273 6.9791 7.0995 6.2451 7.5542
7.8528 8.7751 8.4927 7.4864 8.4297 7.3187 9.062 8.9489 8.199 7.3056[0112]
7.4416 8.9639 6.4419 6.2926 6.3135 6.597 7.0653 7.2106 6.2458 7.6243
7.5922 8.7683 8.3798 7.5538 8.3944 7.3744 8.8324 8.6073 8.4387 7.1532
7.5252 8.4394 6.4644 6.25 6.3771 6.4712 6.9744 7.1335 6.1232 7.7996
8.0137 8.747 8.4604 7.4235 8.4083 7.3986 8.9564 8.6856 8.4316 7.3477
7.4026 8.5041 6.4226 6.0661 6.4655 6.9982 7.1698 6.6105 6.1522 7.825
7.7176 8.7511 8.4705 7.5384 8.4682 7.4113 8.9374 8.7649 8.3318 7.476
7.6829 8.4787 6.4963 6.5093 6.2476 6.5751 7.1769 6.9333 5.837 7.5613
7.0955 8.9593 6.3977 6.1574 6.3758 6.6273 6.9791 7.0995 6.2451 7.5542
7.8528 8.7751 8.4927 7.4864 8.4297 7.3187 9.062 8.9489 8.199 7.3056[0112]
7.4416 8.9639 6.4419 6.2926 6.3135 6.597 7.0653 7.2106 6.2458 7.6243
7.5922 8.7683 8.3798 7.5538 8.3944 7.3744 8.8324 8.6073 8.4387 7.1532
7.5252 8.4394 6.4644 6.25 6.3771 6.4712 6.9744 7.1335 6.1232 7.7996
8.0137 8.747 8.4604 7.4235 8.4083 7.3986 8.9564 8.6856 8.4316 7.3477
7.4026 8.5041 6.4226 6.0661 6.4655 6.9982 7.1698 6.6105 6.1522 7.825
7.7176 8.7511 8.4705 7.5384 8.4682 7.4113 8.9374 8.7649 8.3318 7.476
7.6829 8.4787 6.4963 6.5093 6.2476 6.5751 7.1769 6.9333 5.837 7.5613