混凝沉淀过程机理分析与数据预处理研究

史步海 孙宗海

(华南理工大学 自动化科学与工程学院，广州 510641)

自来水厂混凝沉淀过程是自来水生产净水处理过程中一个重要工艺环节，它是实现自来水生产自动化和保障水质品质的重要一环。混凝沉淀过程是一个大时滞的化学和物理反应过程，其反应机理非常复杂，不但与原水浊度、温度、流量、pH值、水中有机物有关，还与水的混合方式、反应池环境、水力条件等反应条件有关。所以混凝沉淀过程是一个多变量、大时滞、多扰动、非线性过程。用反应机理建立数学模型几乎是不可能，而且每个水厂的混凝沉淀反应环境条件不一样，即使得出某个数学模型，也很难具备一般性。因此，采用神经网络进行研究建立具高效和可操作性的混凝沉淀过程模型，以及如何准确控制混凝剂的投加实现混凝剂量投加的智能优化控制算法，一直是自来水和自动控制行业人们长期以来最为关心又有待解决的问题[1-4]。

1 混凝沉淀的机理

在原水的悬浮物中其1nm～100nm的微粒属于胶体的范围，是自来水处理中最难沉淀和处理的颗粒。胶体由胶核、吸附层和扩散层三部分组成。胶核是胶体粒子的核心，它表面选择吸附了一层带电荷的离子(电位离子)。因此在其周围吸附了大量的异号离子(反离子层)，反离子的电荷总量和电位离子的电荷总量相等，但符号相反，这样在胶核的周围介质的相间区域就形成了较稳定的所谓双电层。这也是胶体微粒具有布朗运动特征，微小颗粒在水中稳定的原因之一。水分子每时每刻都在作无规则的运动，大量的水分子从各个方向撞击水中的颗粒。如果颗粒粒径较大，每一时刻来自水分子撞击力在各个方向保持平衡，因此，颗粒在重力作用下将会发生自然沉降。如果颗粒粒径较小，颗粒在每一时刻来自水分子撞击力在各个方向不平衡，同时微小颗粒重力较小，颗粒在水分子撞击力作用下作无规则运动，如无外界力量干预，它们在水体中不会沉降，处于相对稳定状态。这也是水处理混凝沉淀过程中必须投加混凝剂的原因之一[5，6]。

要对投药混凝沉淀过程有一个深入的了解，除对混凝过程机理了解外，还必须对影响混凝沉淀过程的主要因素进行进一步的分析，了解它们的自身特点、变化规律以及这些主要因素对混凝过程的影响程度。

1.1 原水pH值的影响

原水的pH值的高低不仅会影响水体中的杂质存在的形态和表面性质，还会影响混凝剂水解过程和水解产物存在的形态、时间。

图1为广州某水厂采集的西江原水pH值变化趋势图。从图中可知广州地区西江水质为弱酸性水质。

图1 原水pH值变化趋势图Fig.1 The pH trend chart of the river

表1是原水水质在一定条件下，不同pH值时对混凝加药沉淀的影响实验数据。

从表1中可以看出既使pH的微小变化对混凝沉淀过程也会发生一定的变化。因此对于建立混凝沉淀投药数学模型中pH值是重要的参数之一，不能不考虑在内。

表1 不同pH值时混凝沉淀实验数据Tab.1 The data of coagulation lab with different pH Value

1.2 原水温度的影响

对于采用平流沉淀池的自来水处理工艺，原水温度对混凝效果有明显的影响。同样浊度的原水在冬季与在夏季相比，要达到同样的混凝沉淀效果混凝剂的投加量是不一样的。这是因为：混凝剂水解过程是吸热反应，水温低时，混凝剂水解就困难。同时，水温低时，水的粘度大，水中杂质微粒的布朗运动强度减弱，减少了彼此之间的接触碰撞机会，不利于脱稳胶粒相互凝集。同时，水的粘度大时，水流剪力增大，影响絮凝体的成长，即矾花的形成。

图2为西江原水温度变化趋势图。从图中我们可以看出：原水温度的变化范围是12℃～30℃。对于河水的温度实际可将四季分为三季：即冬季(1，2，3，12)月份，温度范围(12℃～ 19℃)；春秋季(4，5，11)月份，温度范围(19℃～24℃)；夏季(6，7，8，9，10)月份，温度范围(24℃～ 30℃)。

图2 原水温度变化趋势图Fig.2 The temperature trend chart of the river

从实际运行的经验得知，温度越高混凝反应越激烈，混凝效果越好，所需的投矾量越小。由此可知水温直接影响到了絮凝的反应和矾花的形成，影响到了混凝沉淀的速度和效果。因此，在混凝投药数学模型中温度是一个不可忽略的重要参数之一。

1.3 进水流量的影响

自来水厂混凝沉淀构筑物(混凝池和沉淀池)的进水流量对混凝效果有着极大地影响。这种影响主要表现在：一是直接影响着混凝池的速度梯度，也就是直接影响着混凝药剂的搅拌力度；二是直接影响着原水在混凝池的混凝过程时间；三是影响着已混凝的水在沉淀池的时间，流量越大沉淀时间越短(体积已定)。因此，水量变化对混凝效果有直接的影响，故在建立投药数学模型时我们一定要考虑原水进水流量这个因素。

通常自来水厂出水量将随着城市用水负荷量的变化而变化，进水流量也将随之而变化，各处理单元的工作状况也随时发生变化，因此可知建立混凝沉淀投药数学模型中进水流量是一个重要的参数之一。因此，我们可以将原水水量确定为加药自动化数学模型中的前馈参数。可以用式(1)表示，即：

1.4 原水浊度的影响

混凝沉淀过程的主要目的是去除水中的悬浮颗粒物，而浊度是反映水中悬浮物和胶体杂质多少的重要指标。从混凝机理和实际的生产运行中可以知道，原水浊度的大小直接关系到混凝剂投加用量，在混凝沉淀处理过程中原水浊度对混凝效果的影响是直接和关键的，混凝沉淀的过程也是要将较高浊度的原水处理成为较低浊度的待滤水(出水浊度)的过程。因此可知，原水进水浊度是影响混凝加药的重要参数之一，混凝沉淀过程中浊度是一个贯穿整个过程的变量和指标。

1.5 混凝剂的影响

在混凝沉淀过程中选择合适的混凝剂是至关重要的，常用的混凝剂可分为无机混凝剂和有机混凝剂。在无机混凝剂中最常用的有硫酸铝和聚合氯化铝(PAC)，聚合氯化铝的适应水质较宽，混凝效果随温度变化小，形成絮体时间快，密度大，适于pH值宽(6～9)，加药量相对较小。在广州地区PAC是人们首选的混凝剂。

控制混凝沉淀过程效果的实质手段就是混凝剂的投放，混凝剂的投加多少直接影响着混凝沉淀的效果。混凝剂的投放过少会使胶体不能脱稳充分，影响混凝效果，但过量的投量又容易使胶体发生再稳现象，同样得不到好的混凝效果。图3为混凝效果与加药量之间的关系图[7]。

当加药量G点时，胶体颗粒发生再稳定现象，并伴随发生凝聚的恶化和中断，将会使待滤水浊度缓慢上升。

图3 待滤水浊度与加药量的关系曲线Fig.3 The output turbidity&dosing alum relation curve

2 数据的收集和预处理

通过分析可以看出，影响混凝沉淀效果主要有五大因素：即原水流量 p1、原水浊度 p2、原水 pH值p3、原水温度p4和混凝剂投加量g。下面将针对广州某水厂的混凝沉淀数据进行收集和预处理。

图4 真实原始数据趋势图Fig.4 The change trend chart of original data

2.1 常用数字滤波方法

随着计算机技术和微电子技术的发展，在工业控制、数据处理以及在做神经网络建模还是常规的多元回归方程建模中，都需要进行数字滤波处理。对于图2所述数据样本，首先需要进行数字滤波预处理。

在工程实际中，常用的数字滤波算法有逻辑判断滤波[8]、限幅滤波、中值滤波、均值滤波、滑动平均滤波[9]、加权平均滤波、RC低通滤波、巴特沃斯低通滤波[10]等。

对于原水流量、混凝剂投加量和原水温度的检测，由其测量原理可知。这类的测量信号除随机的高斯白噪声外没有意外和随机的突变尖脉冲信号，因此可采用的一般的滑动平均滤波算法。而对于原水浊度和pH值这二个量，由于此二种仪表其独特的易堵塞和测量头反冲洗测量原理及要求，极易造成测量输出信号的突变。

对于上述的突发尖锋脉冲的扰动现象，通常的数字滤波方法有依据 Bessel公式的拉依达准则(3准则)进行处理。为标准差，可按照Bessel公式标准差滤波算法[11]计算出来。

当某一样本数据xi的偏差vi( 1i)满足：

2.2 改进的复合数字滤波方法

根据原水浊度和pH值这二个量独特的特点，本文提出了多限幅滤波加滑动平均滤波的复合方法，此方法既能去除突发尖脉冲非正常干扰信号，又能滤去一定限幅的随机噪声信号，从而使数据样本变得更加真实，也使得对神经网络的训练更为准确有效。

在计算教学中,必须注意算理的剖析,引导学生依据算理,理解算法,掌握算法，从而发展学生的智力,并促进运算技能的形成和提高。要提高学生的计算能力，教师要注重学生思维的提高和锻炼，还要增强学生思考的动力，以及对算法的深刻理解。此外，对于学生直观思维的锻炼和培养则需要运用计算中的估算法，这种方法是适当的将实际生活中遇到的一些数学问题引入教学实例中，从而将学生的实际经历和数学知识更加紧密的结合起来，增强其运用数学知识进行解决实际问题的能力，还可以提起学生运用数学方法解决问题的意识。

限幅滤波算法算式如下：

滑动平均滤波算法算式为：

式中：N为滑动窗口项数，文中数据处理滑动窗口N取10。

此算法对于非正常的干扰突发尖锋脉冲信号以及超过随机噪声幅值的脉冲信号都具有很好的滤波效果。将上述二式联立使用，就得到了多幅值限幅滤波加滑动平均滤波的复合算法。

3 数据滤波的实验结果

采用多限幅滤波加滑动平均滤波复合算法，对某自来水水厂的原始数据样本进行了数字滤波预处理，获得了真实有效的数据样本。

3.1 原水浊度的滤波实验结果

这里对原水浊度的原始数据进行滤波处理，首先对具有尖锋脉冲的原水浊度数据按式(4)，(5)进行多限幅滤波处理。滤波程序使用 VB编制，图5所示是2007年的7月16，17日两日原水浊度原始数据和经过多限幅滤波程序运行处理后的实验结果图。

图5 原水浊度原始数据和滤波后趋势图Fig 5 The original data of river turbidity&sharp pulsed filtered trend chart

从上图中可以看出在河水原始浊度2000min处有一尖锋脉冲干扰输出，峰值高达580NUT。这是由于浊度仪自身特点，测量管路瞬时堵塞造成的非正常输出，需要滤除掉。根据现场实际测量经验知道，浊度仪在正常河水浊度测量的随机噪声幅度X=15 NUT。在河水浊度>=3X(45NUT)时，即为尖锋脉冲干扰输出信号，按照式(4)，(5)编制的多限幅滤波程序进行处理，运行后尖锋干扰脉冲以及超越正常噪声幅度值的超限噪声信号统统都被滤除掉了，并用不同时刻的滑动平均值代之。图5中虚线所示即为多限幅滤波后的数据值，滤掉了突变的尖锋脉冲干扰和超值噪声信号输出值，还原了河水浊度样本数据的真实情况。

3.2 原水pH值的滤波实验结果

同样对于原水pH值的测量，由于pH计探头有间断性反冲清洗要求，使得 pH值的测量原始数据也会产生突发的尖锋脉冲输出，这些非正常的数据都是不真实的，应该滤除掉。同样按照式(4)，(5)进行多限幅滤波处理，如图6所示。

图6 原水pH值原始数据和滤波后趋势图Fig.6 The original data of river pH value&sharp pulsed filtered trend chart

从图中看到原水pH值在2090min处有突然高于正常pH值的脉冲干扰输出，峰值高达9.3。图中虚线即为多限幅滤波后的数据输出值趋势图，而对于没有超出X噪声幅度的采样信号，滤波器保持了原始数据的真实性。

4 数据的归一化方法

对于原始数据样本在作了必须的数字滤波以后，下面需要作的就是样本数据的归一化处理，使数据在[0，1]范围之内。对于数据的归一化处理，看似一件简单的事，实际上数据归一化处理方法对否？它将关系到能否把该数据对控制过程的影响力和函数关系真实的反映出来，它将影响到后续的数据处理和应用。

4.1 归一化处理方法

常用的数据归一化处理方法是极值法。

另外在神经网络进行训练的数据归一化方法中，为了避免归一化后数据过于饱和在数据1和0，使得收敛精度下降。实际在式(6)中，还需改造为如下型式[12]。

因此对于上述三个变量 p1、p2、p3实际采用式(7)作数据归一化处理。

但是，对于原水温度变量来说每日的温度变化较小，通常一天的温度变化范围在1℃左右。在这个小的时间段，原水温度好似是恒定值，对混凝沉淀过程的影响显现不出来。只有在一个较大的时间段，如在一个季节的温度变化区间才能显现出温度对混凝沉淀过程的影响程度。

为了能够全面的描述既能显示温度的变化又要显示绝对温度值的不同，本文在式(7)的基础上，采用了温度的全年范围温度变化值作为归一化的分母值，称为改进的全范围数据归一化处理方法，或特殊数据归一化处理方法：

4.2 归一化处理结果

西江河水四季的温度输出趋势图，如图 7所示。此时全年最低河水温度值a取10，全年最高河水温度值b取33。

本文对春秋、夏、冬三季的原始温度数据分别按照式(7)，(8)进行归一化处理，并进行对比仿真实验。结果如下图8、图9所示。

从图 8可以看出春秋、夏、冬三组数据按式(7)作一般数据归一化处理后，数据变化都在[0.4，1]之间变化，数据分布也极其的相似，对于春秋、夏、冬温度绝对值高低的变化，无法在此归一化方法中表现出来。而用此方法处理的归一化数据，主要描述的是数据的变化量作用明显，对于温度变量的温度绝对值的大小反映不出来，从而降低了此温度变量绝对值对主导控制过程变化时的影响。

图9是采用改进归一化运算公式(8)后对三组数据作的处理，归一化输出曲线。以图8(b)和图9(b) 图中数据对比可以看到，归一化后其数据分布变化图形虽有些相似之处，但数据绝对值发生了较大的变化。也就是说，采用式(8)方法处理的归一化数据，不但描述了变量值的大小还描述了变量的变化量趋势，从而能够更加准确的反映此变量对控制过程变化的影响和函数关系。

5 结论

图7 不同季节一天的原水温度值输出图Fig.7 The river temperature trend chart for a day with different season

图8 一般数据归一化方法的温度数据输出图Fig.8 The temperature data chart with general number normalization

图9 改进数据归一化方法的温度数据输出图Fig.9 The temperature data chart with improved number normalization

本文首先介绍混凝沉淀过程的主要机理，根据收集的历史数据分析了影响混凝沉淀过程的主要影响因素。然后描述了采集数据预处理过程中数字滤波的常用方法，根据浊度仪、pH计等仪器数字信号中包含有大量的非正常和随机信号等特点，提出了改进的多限幅滤波加滑动平均滤波的复合方法。同时还对不同性质的变量的数据归一化方法进行了论述，提出了全数据范围的改进数据归一化方法。文中通过对具体的原水浊度、原水pH值采样数据的多幅值限幅滤波程序的仿真实验运行证明，上述方法是可行的，滤波效果良好。文中还针对温度变量的数据归一化方法，对其采用一般数据归一化和改进数据归一化方法进行了对比研究，指出了其优越性和不同点。采用改进归一化方法的有效性将在混凝沉淀过程神经网络的建模训练过程中得到了进一步验证[13]。

[1]樊冠球.搞好混凝处理是提高供水水质的关键[J].中国给水排水，2002，17(8)：58-60

[2]常青.水处理絮凝学[M].北京：化学工业出版社，2003.

[3]胡万里.混凝·混凝剂·混凝设备[M].北京：化学工业出版社，2001.

[4]白桦，李圭白.智能控制在净水厂混凝投药过程中的应用研究[D].哈尔滨：哈尔滨工业大学博士学位论文，2002，3-25.

[5]汪大军，雷乐成，水处理新技术及工程设计[M].北京：化学工业出版社，2001.

[6]Mark D Rosenzweig.Motionless Mixers Move into New Processing Roles[J].Chem Eng，1977：95-96.

[7]李孟，许国仁，南军，等.透光率脉动絮凝投药自控系统配置的工程实践研究[J].给水排水，1999，25(9)：66-68.

[8]任克强，刘晖．微机控制系统的数字滤波算法[J]．现代电子技术，2003(3)：15-18.

[9]王庆河，王庆山．数据处理中的几种常用数字滤波算法[J].计量技术，2003(4)：53-54.

[10]余志强，刘建华．巴特沃兹数字滤波及其在智能测控系统中的应用[J].电测与仪表，2007，44(5)：5-18.

[11]崔玉理.基于神经网络的污水处理建模及仿真的研究[D].山东科技大学硕士学位论文，2006，20-26.

[12]张吉礼.模糊—神经网络控制原理与工程应用[M].哈尔滨工业大学出版社，2004.

[13]史步海，基于先验知识的混凝沉淀过程神经网络建模[J].华南理工大学学报：自然科学版，2008，36(5)：113-118.

[14]李影，徐涛，邢伟.基于进化遗传算法的神经网络优化[J].长春理工大学学报，2006，29(3)：48-50.