摘    要：針對污水流量受降雨徑流、管網匯流等自然因素和生活污水、工業壓水及泵閘開關等人為因素的影響，具有不確定性、非線性及滯后性，難以建立準確的城市污水泵站系統模型，采用人工神經網絡方法建立了城市污水泵站預測模型，通過對污水泵站運行機理過程的理解以及對各變量進行相關性分析從而確定模型的輸入，并對不同預見期污水泵站水位進行預測，通過與實際比較及有效性驗證，該模型具有較高的精度，可指導城市排水的安全運行控制。

關鍵詞：污水泵站；神經網絡；預測模型

中圖分類號：tp 27    文獻標識碼：a

    受天氣、人群行為及管道損漏等復雜因素影響，城市污水具有不確定性。現行污水泵站主要采用液位控制，在降雨時，由于短時間大量雨水進入污水管網，使污水量劇增，如控制不及時，極易引起污水外溢。因此探討建立污水泵站預測模型，為城市排水安全運行控制提供依據具有重要的意義。

    現行的污水泵站系統建模的方法在實際應用中受檢測條件的限制和基礎資料的缺乏等原因難以普遍應用。如汪雄海等人提出的污水泵站管網時滯模型。在現有條件下難以獲得準確的實時流量數據；謝瑩瑩、陸曉烽等應用國外先進的專業軟件建立排水管網計算機模型[3-5]。但建立模型所需的數據項非常詳細，加匯水子區域面積、埋深等數據，本文以杭州城市排水系統為背景，基于運行數據，提出采用人工神經網絡方法建立預測模型，為優化運行控制提供依據。

    1)人工神經網絡簡介人工神經網絡技術模仿人類大腦的結構和功能，在處理復雜信息，隨機信息或推理不明確問題時顯示其獨特的優越性。神經網絡強大的非線性特點和容錯能力，使得用其他方法難以獲得理想效果的污水泵站預測模型成為可能。人工神經網絡是基于生物神經網絡而發展起來的網絡模型，主要特點是具有自適應性的功能，即通過信息的學習來獲得信息之間復雜的相關關系。針對污水泵站，排水管網的scada系統，積累了大量各泵站的歷史運行數據，而這些數據反映了泵站鏈級之間變化關系及人群行為規律等，通過建立人工神經網絡的污水泵站模擬預測模型，對歷史資料進行學習訓練來識別復雜的城市污水排放機制，從而實現污水泵站排水過程計算機仿真。基于神經網絡的污水泵站預測模型不同于一般的計算公式，而是對水文水力過程及各種不確定因素影響的復雜運行機制的綜合模擬與體現．

    神經網絡中應用****泛的是采用bp算法的神經網絡，bp算法稱為誤差反向傳播(bp)算法。典型的bp網絡為3層網絡，即輸入層、隱層和輸出層。基本思想是，學習過程由信號的正向傳播和誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層傳人，經各隱層處理后傳向輸出層。若輸出層的時間輸出與期望輸出不符，則轉入誤差反向傳播階段。誤差反向傳播是將輸出誤差以某種形式通過隱層向輸入層逐層反傳，使各層所有單元得到誤差信號，然后根據誤差情況修正各連接權值，使網絡朝著誤差減小的方向變化，直至網絡輸出誤差減少到指定值。權值不斷調整的過程即網絡的學習訓練過程。通過學習訓練，在模擬預測時，當網絡受到曾經學習過或相似的刺激后，其輸出端就產生了相應的輸出。

    2)基于bp神經網絡的預測模型

    ①模型的分析建立  杭州城市排水scada系統以20 s間隔在線采集運行數據，已存儲了遠2年的數據資料。其中，泵站運行數據包括前池水位高度，各泵的運行狀態及開關時間等。另有各泵站工藝圖及管網連接同等靜態數據，這些為研究建立預測模型奠定基礎。現分析、建立基于bp神經網絡的預測模型如下：

    a)模型的輸入輸出量的選擇神經網絡是通過訓練從提供的數據中直接推求輸入輸出的關系，由于系統的非線性，影響系統啊應的主要參量無法預先確定：為避免純黑箱操作的盲目性，借助對機理過程的大致理解，分析建立合理的輸入輸出模型以****程度地反映系統的物理背景顯得很重要。

模型的輸出為前池水位，影響它的主要因素有上游泵站提升量和本地流人量（包含降雨時的人流，生活污水及