上海純水設(shè)備解讀：鄉(xiāng)村再生水年利用量預(yù)測分析
【上海水處理設(shè)備網(wǎng)www.ppyswfy.cn】導(dǎo)讀：再生水指鄉(xiāng)村污水經(jīng)適當再生工藝處置后,達到一定水質(zhì)要求,滿足某種使用功能要求,可以進行有益使用的水。隨著社會經(jīng)濟的快速發(fā)展,鄉(xiāng)村污水排放量不時增加,加強以鄉(xiāng)村污水為水源的再生水利用開發(fā)有利于緩解水資源短缺、改善水生態(tài)環(huán)境。2021年6月印發(fā)的十四五”城鎮(zhèn)污水處置及資源化利用發(fā)展規(guī)劃》指出,十四五”時期再生水發(fā)展的主要目標為全國地級及以上缺水鄉(xiāng)村再生水利用率達到25%以上,京津冀地區(qū)達到35%以上,黃河流域中下游地級及以上缺水鄉(xiāng)村力爭達到30%因此,為做好鄉(xiāng)村再生水利用規(guī)劃,促進鄉(xiāng)村再生水事業(yè)發(fā)展,對鄉(xiāng)村再生水利用量進行預(yù)測具有很大的現(xiàn)實意義。
目前,國內(nèi)外學者在大量研究的基礎(chǔ)上提出了許多種再生水利用量的預(yù)測方法,主要有定額法、替代系數(shù)法、時間序列法、結(jié)構(gòu)分析法、系統(tǒng)動力學法等。如汪妮等基于不同用水對象對再生水水質(zhì)的不同要求,采用改進的灰色模型和定額法分別對回用于工業(yè)的再生水和市政雜用的再生水進行了需水量預(yù)測;王志坤等首先采用趨勢分析法、定額分析法對鄉(xiāng)村再生水用水量進行了分析預(yù)測,張家港GMP純化水設(shè)備
并在此基礎(chǔ)之上使用折減系數(shù)法計算了出鄉(xiāng)村再生水可利用量;余鵬明等運用相關(guān)性分析中的Spearman法分析了再生水利用量的影響因素,為進一步了解再生水利用發(fā)展狀況以及利用量預(yù)測提供參考依據(jù);唐蓮等通過預(yù)測鄉(xiāng)村再生水可供水量和蓄水量,并依據(jù)供需平衡原理對鄉(xiāng)村再生水利用潛力進行了評估;李梅等建立了鄉(xiāng)村再生水利用系統(tǒng)動力學模型并對某城市的再生水利用預(yù)測進行了實踐研究。
鄉(xiāng)村再生水年利用量過程出現(xiàn)出很強的非線性特點,受到多種因素影響,且影響機制各不相同。慣例方法如定額法、灰色模型預(yù)測法等較難在考慮這些影響因素的基礎(chǔ)上做出精確預(yù)測。本文針對蘇州市污水處置及再生水利用實際狀況,基于其再生水年利用量各影響因素的歷史數(shù)據(jù)較少、可靠性及完整性低等特點,采用灰色GM1,1模型對影響再生水年利用量的各因素進行預(yù)測,并以預(yù)測結(jié)果為輸入因子,再建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測蘇州市鄉(xiāng)村再生水的年利用量。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的模型之一,具有學習速度快和適應(yīng)能力強的優(yōu)點,可對大多數(shù)非線性數(shù)據(jù)進行預(yù)測,且該模型能綜合考慮再生水年利用量的各相關(guān)影響因素。故本文將灰色模型與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,以實現(xiàn)對鄉(xiāng)村再生水年利用量的有效預(yù)測,為鄉(xiāng)村再生水利用規(guī)劃與合理配置提供決策依據(jù)。
一、研究區(qū)概況及再生水利用狀況
1.1基本概況
蘇州位于長江三角洲中部,地處30°47′N32°02′N119°55′E121°20′E,東鄰上海,南連浙江省嘉興、湖州兩市,西傍太湖,與無錫相接,北枕長江,總面積為8657.32km2,具體如圖1所示。全市地勢低平,境內(nèi)河流縱橫,湖泊眾多。太湖水面絕大部分在蘇州境內(nèi),河流、湖泊、灘涂面積占蘇州市土地面積的36.6%,著名的江南水鄉(xiāng),擁有各級河道2萬多條,大小湖泊共300多個,著名的有太湖、陽澄湖、長江、京杭運河等。
鄉(xiāng)村再生水年利用量預(yù)測分析
圖1蘇州市地理位置
1.2研究區(qū)再生水利用狀況
蘇州市自2018年以來,以“高質(zhì)量推進城鄉(xiāng)生活污水治理三年行動計劃”為基礎(chǔ),依照“蘇州特別排放限值”要求,遵循江蘇省住建廳提標改造技術(shù)指引,制定“一廠一策”提標方案,全力推進89座城鎮(zhèn)污水廠尾水提標改造。蘇州市在全市開展城鄉(xiāng)生活污水治理,項目化推進各項治理任務(wù),確保污水廠提標改造的系統(tǒng)性和高效性;市政府及水主管部門強化組織領(lǐng)導(dǎo),采取“成立專班,實體化運轉(zhuǎn)辦公;高位推動,強化安排推進;強化考核,加大推動力度”管理方式,有力、有序、有效推進污水廠尾水提標改造任務(wù)。目前,全市城鎮(zhèn)污水廠出水水質(zhì)全面提標,達到蘇州“準Ⅳ類”除總氮外,其他指標均達到Ⅳ類標準)規(guī)范。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計,蘇州市現(xiàn)狀(2020年)年污水處置系統(tǒng)累計處置污水量為11.5億m3目前為止,完成提標改造的89座城鎮(zhèn)污水廠出水水質(zhì)均已達到太湖地區(qū)城鎮(zhèn)污水處置廠及重點工業(yè)行業(yè)主要水污染物排放限值》DB32/10722018和“蘇州特別排放限值”規(guī)范要求。各區(qū)市(縣)污水處置廠分布以及再生水利用情況如表1所示。
表1各區(qū)市(縣)污水處置廠分布以及再生水利用
鄉(xiāng)村再生水年利用量預(yù)測分析
全市89座污水處置廠中:二類污水處置廠(20萬～50萬m3/d有2座,均在工業(yè)園區(qū);三類污水處置廠(10萬～20萬m3/d有6座,吳中區(qū)1座、相城區(qū)1座、姑蘇區(qū)2座、昆山市2座;四類污水處置廠20座(5萬～10萬m3/d;其余污水處置廠規(guī)模均在五類(1萬～5萬m3/d及以下,污水處置能力較弱。
根據(jù)圖2以及表1中數(shù)據(jù):姑蘇區(qū)再生水利用量及利用率分別為10520.07萬m3和88.30%,高于蘇州其他區(qū)市,但是從利用途徑分析,姑蘇區(qū)再生水利用僅包括廠區(qū)自用及河道景觀補水,其余利用方式均未涉及,且河道景觀補水量約占再生水利用總量的98%,利用范圍需要進一步擴大,充沛發(fā)揮再生水潛力;再生水利用總量最少且利用率最低的為高新區(qū),均被留作污水處置廠自用,考慮到區(qū)域內(nèi)高新技術(shù)產(chǎn)業(yè)較多,這些產(chǎn)業(yè)對于生產(chǎn)用水的水質(zhì)要求較高,目前的再生水出水水質(zhì)暫時無法滿足要求,因此,高新區(qū)內(nèi)的污水處置廠需要進一步提高再生水處理水平;昆山市再生水利用量較多,達到10122.61萬m3,其中約74%用于河道景觀補水,3.4%留作廠區(qū)自用,約3.6%用于工業(yè)用水,約19%用于鄉(xiāng)村雜用水及其他用途,但是昆山市的再生水利用率僅為37.38%,這意味著還有大量處置后的污水沒有得到有效利用,利用潛力巨大;其余區(qū)(市)中吳江區(qū)、工業(yè)園區(qū)再生水利用率相對較高,分為50.43%和47.00%,而相城區(qū)、張家港市、常熟市和太倉市利用率均在40.00%以下。
鄉(xiāng)村再生水年利用量預(yù)測分析
圖2各市(縣)再生水利用量及利用率
經(jīng)計算,蘇州2020年鄉(xiāng)村再生水利用率為36.43%,主要用途為河道景觀補水,占其再生水利用量的78.42%,利用形式較為單一。但隨著再生水可利用量及其供水保證率逐步穩(wěn)定,配套設(shè)施完善水平以及再生水管網(wǎng)覆蓋率不時提高,蘇州市再生水利用的規(guī)模和領(lǐng)域會繼續(xù)擴大。
二、再生水利用量影響因素選擇
2.1指標初步選取
本文所用的關(guān)于2008年—2020年蘇州市再生水利用量系列,以及影響再生水利用量的主要因素等相關(guān)數(shù)據(jù),主要來源于《城鄉(xiāng)建設(shè)統(tǒng)計年鑒》以及《蘇州市水資源公報》
綜合考慮經(jīng)濟、社會等多種影響再生水利用量的因素以及相關(guān)文獻研究效果,初步選取影響再生水利用量的26個指標,如人均GDP污水排放量、再生水生產(chǎn)能力、公共服務(wù)用水量、排水設(shè)施投資、污水集中處置率等
2.2SPSS相關(guān)性分析
上述根據(jù)分析選取的26個影響因子均會對鄉(xiāng)村再生水利用量發(fā)生一定影響,但影響水平輕重不一。故本文首先采用SPSS軟件中的Spearman法對各個變量進行相關(guān)性分析以及顯著性檢驗,并去除其中與再生水利用量相關(guān)性較低且不顯著的變量,為下文進行BP神經(jīng)網(wǎng)絡(luò)預(yù)測選取合適的輸入單元,提高預(yù)測精度。運用SPSS軟件進行分析后,上海實驗室純水設(shè)備共選取了7個相關(guān)系數(shù)在0.65以上的指標,且相關(guān)性均為顯著(P<0.05,具體數(shù)據(jù)如表2所示。
表2影響因素分析結(jié)果
鄉(xiāng)村再生水年利用量預(yù)測分析
注:**表示在0.01級別(雙尾),相關(guān)性顯著;*表示在0.05級別(雙尾),相關(guān)性顯著。
經(jīng)相關(guān)性分析后選取的影響因子包括:x1為萬元GDP用水量(m3,與再生水利用量呈顯著負相關(guān),萬元GDP用水量的下降說明慣例水資源以及再生水利用水平均有提升;x2為建成面積(km2,反映了市政公共設(shè)施及相應(yīng)的污水收集措施的完善水平;x3為公共服務(wù)用水量(m3x4為鄉(xiāng)村用水人口(萬人)x7為污水處置量(m3,這些因素可直接影響再生水廠的進水水源;x5為排水管道長度(km,管道的完善有利于污水的收集和集中處理,增加再生水廠進水量;x6為再生水生產(chǎn)能力(m3/d,再生水生產(chǎn)能力的提升必定會直接促進鄉(xiāng)村再生水利用量及利用水平的進步。設(shè)y為再生水利用總量(m3,篩選后的主要影響因子及其具體數(shù)值如表3所示。
表3蘇州市再生水利用量及其主要影響因素數(shù)據(jù)
鄉(xiāng)村再生水年利用量預(yù)測分析
三、影響因素預(yù)測
3.1灰色預(yù)測模型GM1,1原理
相較于統(tǒng)計趨勢預(yù)測法、回歸分析法等預(yù)測方法,灰色GM1,1預(yù)測模型對于歷史數(shù)據(jù)的樣本容量要求不高,且允許樣本存在灰色信息,不要求樣本具有一定的分布規(guī)律,計算也較為簡便。并結(jié)合蘇州市再生水年利用量各影響因素的歷史數(shù)據(jù)較少、完整性較低的實際情況,本文選擇了灰色GM1,1預(yù)測模型�；疑獹M1,1模型的基本原理是采用累加等方法生成基于原始數(shù)據(jù)序列的一次累加序列,并根據(jù)此序列建立預(yù)測模型,之后采取累減方法還原原始序列,輸出預(yù)測結(jié)果。其建模過程如下。
設(shè)原始數(shù)據(jù)為x0=x01,x02,,x0n,其累加得到新的數(shù)據(jù)序列為x1=x11,x12,,x1n,其中
鄉(xiāng)村再生水年利用量預(yù)測分析
白化形式微分方程如式(1
鄉(xiāng)村再生水年利用量預(yù)測分析
+ax1t=u
1
其中:a發(fā)展系數(shù);
u灰色作用量;
t時間序列。
記au構(gòu)成的矩陣為灰參數(shù)
鄉(xiāng)村再生水年利用量預(yù)測分析
并按最小二乘法對其進行求解如式(2式(4 上海實驗室純水設(shè)備
鄉(xiāng)村再生水年利用量預(yù)測分析
2
鄉(xiāng)村再生水年利用量預(yù)測分析
3
鄉(xiāng)村再生水年利用量預(yù)測分析
4
白化形式的微分方程的離散解如式(5
鄉(xiāng)村再生水年利用量預(yù)測分析
5
預(yù)測值計算如式(6
鄉(xiāng)村再生水年利用量預(yù)測分析
6
3.2基于灰色GM1,1模型的再生水利用量影響因素數(shù)據(jù)預(yù)測
以2008年—2018年的再生水影響因素數(shù)據(jù)作為原始序列,預(yù)測2019年及2020年各影響因素的值,結(jié)果如表4所示。
表4灰色模型預(yù)測2019年及2020年各影響因素的值
鄉(xiāng)村再生水年利用量預(yù)測分析
3.3模型精度檢驗
如表5所示,根據(jù)模型評價規(guī)范:因素x1x7-a系數(shù)均小于0.3,適合中長期預(yù)測;各因素的方差比均≤0.3,且小誤差概率全為1,模型預(yù)測等級為好;關(guān)聯(lián)度均在0.60.7,合格。模型基本滿足各種檢驗,可用于再生水利用量各影響因素的中長期預(yù)測。
表5模型精度檢驗結(jié)果
鄉(xiāng)村再生水年利用量預(yù)測分析
四、再生水年利用量預(yù)測
4.1BP神經(jīng)網(wǎng)絡(luò)原理
BP神經(jīng)網(wǎng)絡(luò)是一種由輸入層、隱含層和輸出層3層網(wǎng)狀結(jié)構(gòu)構(gòu)成的多層前饋神經(jīng)網(wǎng)絡(luò),本文采用含有一個隱含層的3層BP神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)信息通過輸入層內(nèi)的各節(jié)點進入網(wǎng)絡(luò),隱含層則可以對數(shù)據(jù)進行非線性轉(zhuǎn)換后傳輸至輸出層,理論上上海實驗室純水設(shè)備,含有一個隱含層的BP神經(jīng)網(wǎng)絡(luò)可表示任意輸入和輸出數(shù)據(jù)之間的映射關(guān)系。
BP算法的原理是將網(wǎng)絡(luò)輸出值與實際值的誤差平方和作為網(wǎng)絡(luò)的誤差,輸出誤差由輸出層至輸入層逐層向前傳達,同時誤差將由各層所有單元分攤,各層之間的連接權(quán)重也會隨之調(diào)整,權(quán)值調(diào)整完成之后,信號再次正向傳達得到模擬輸出值。通過這一循環(huán)過程,整個網(wǎng)絡(luò)結(jié)構(gòu)不時適應(yīng)學習,使網(wǎng)絡(luò)輸出迫近期望值,最終誤差達到設(shè)置的網(wǎng)絡(luò)參數(shù)要求,循環(huán)停止。
4.2建立模型
本次研究共有13組數(shù)據(jù),分別為2008年—2020年蘇州市再生水利用量及其主要影響因子。其中,x1x7這7個影響再生水利用量的因素為預(yù)測模型的輸入值,再生水利用量為預(yù)測模型的輸出值。將2008年—2018年的數(shù)據(jù)作為模型訓(xùn)練樣本,2019年和2020年的數(shù)據(jù)則作為測試樣本,同時為檢驗灰色GM1,1模型預(yù)測各因素對再生水預(yù)測精度的影響,將使用灰色模型預(yù)測所得的2019年及2020年的各影響因素的值同樣作為測試樣本,并與原始序列樣本預(yù)測所得進行比擬。由于影響再生水年利用量相關(guān)因素之間數(shù)據(jù)的量綱不同,數(shù)據(jù)范圍相互差異較大,需要對其進行歸一化,如式(7
鄉(xiāng)村再生水年利用量預(yù)測分析
7
其中:Y歸一化后的輸出數(shù)據(jù);
X原始輸入數(shù)據(jù);
minXX最小值;
maxXX最大值。
4.2.1BP模型各參數(shù)確定
本文采用僅含有一個隱含層的3層BP神經(jīng)網(wǎng)絡(luò),輸入層為7個影響再生水年利用量的變量,故輸入層節(jié)點個數(shù)為7個,輸出層節(jié)點1個。經(jīng)過多次模型運行試驗,并對比分析結(jié)果之后,確定隱含層節(jié)點個數(shù)為10個,網(wǎng)絡(luò)參數(shù)設(shè)置如下:訓(xùn)練次數(shù)為50000學習速率和期望誤差分別為0.060.00001,此時模型運算結(jié)果最佳。隱含層節(jié)點的個數(shù)靠式(8確定。激活函數(shù)選擇單極性Sigmoid型函數(shù)。
鄉(xiāng)村再生水年利用量預(yù)測分析
8
其中:m隱含層節(jié)點個數(shù);
C輸入層節(jié)點個數(shù);
q輸出層節(jié)點個數(shù);
d010整數(shù)。
4.2.2網(wǎng)絡(luò)訓(xùn)練結(jié)果
網(wǎng)絡(luò)訓(xùn)練輸出2008年—2018年再生水利用量預(yù)測值與實際值擬合情況如圖3所示。由圖3可知,BP神經(jīng)網(wǎng)絡(luò)模型輸出的再生水利用量預(yù)測值較為準確,上海純水設(shè)備預(yù)測值與實際值平均相對誤差僅為0.038%,其中最大相對誤差為4.060%,最小相對誤差僅為0.008%,與實際再生水年利用量極為接近,這充分說明BP神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度。
鄉(xiāng)村再生水年利用量預(yù)測分析
圖3BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果
選取規(guī)范化平均偏差、規(guī)范化平均誤差、平均絕對百分比誤差、均方根誤差作為預(yù)測模型的特征指標,結(jié)果見表6可以看出,規(guī)范化平均偏差、規(guī)范化平均誤差及平均絕對百分比誤差的值均較小,均方根誤差為280.78根據(jù)以上分析,BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果良好。BP神經(jīng)網(wǎng)絡(luò)經(jīng)過足夠的訓(xùn)練之后,肯定可以滿足設(shè)定的網(wǎng)絡(luò)誤差,且根據(jù)訓(xùn)練結(jié)果,網(wǎng)絡(luò)學習的效率高,收斂較快,誤差率小,模型預(yù)測結(jié)果符合設(shè)計要求。
表6模型特征指標
鄉(xiāng)村再生水年利用量預(yù)測分析
4.3預(yù)測結(jié)果及分析
可利用本模型對2019年—2020年蘇州市再生水利用量進行預(yù)測檢驗,分別將2019年和2020年原始數(shù)據(jù)以及灰色模型預(yù)測數(shù)據(jù)作為測試集,進行歸一化輸入BP神經(jīng)網(wǎng)絡(luò)模型后可得到預(yù)測結(jié)果如表7所示。由表中結(jié)果分析,模型分別根據(jù)原始數(shù)據(jù)及灰色GM1,1預(yù)測數(shù)據(jù)輸出的蘇州市再生水利用量預(yù)測結(jié)果與實際利用量擬合度較高,預(yù)測誤差的絕對值均小于1%,精度等級較高。故以灰色GM1,1模型預(yù)測各再生水利用量影響因素的值作為BP神經(jīng)網(wǎng)絡(luò)的輸入單元來預(yù)測再生水利用量的方法是可行的以此方法得到2021年、2022年及2025年的蘇州市再生水利用量預(yù)測值如表7所示。
表7預(yù)測結(jié)果及誤差
鄉(xiāng)村再生水年利用量預(yù)測分析
五、結(jié)論
本文利用灰色GM1,1模型預(yù)測再生水利用量各影響因素的值,并以此作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入單元對蘇州市鄉(xiāng)村再生水利用量進行預(yù)測,得到結(jié)論如下。
1根據(jù)相關(guān)性分析結(jié)果,蘇州市再生水利用量的主要影響因素有萬元GDP用水量、建成面積、公共服務(wù)用水量、鄉(xiāng)村用水人口、排水管道長度、再生水生產(chǎn)能力以及污水處置量7個指標,其中除萬元GDP用水量與再生水利用量呈顯著負相關(guān)外,其余指標均為顯著正相關(guān)。由此可知,蘇州市在提高用水及水處理效率、完善鄉(xiāng)村供水排水設(shè)施等方面還有較大的發(fā)展空間,上海純水設(shè)備鄉(xiāng)村再生水利用發(fā)展?jié)摿薮蟆?/span>
2灰色GM1,1預(yù)測模型不需要大量樣本,且樣本不需要規(guī)律分布,計算也較為簡便。故本文采用該模型對再生水利用量各影響因素進行預(yù)測,預(yù)測結(jié)果滿足方差比、小誤差概率以及關(guān)聯(lián)度等各種檢驗,預(yù)測精度較好,可用于再生水利用量各影響因素的中長期預(yù)測。
3考慮到鄉(xiāng)村再生水年利用量過程及其影響因素基礎(chǔ)數(shù)據(jù)序列較少且具有隨機性、非線性等特點,本文組合采用了灰色GM1,1模型和BP神經(jīng)網(wǎng)絡(luò)模型,不只對各因素未來幾年的數(shù)據(jù)進行了預(yù)測,同時也綜合考慮了其對鄉(xiāng)村再生水年利用量的影響,提升了模型預(yù)測結(jié)果準確度和可靠性。分析標明,以原始序列數(shù)據(jù)及灰色GM1,1模型預(yù)測數(shù)據(jù)分別作為網(wǎng)絡(luò)檢驗輸入單元,預(yù)測蘇州市2019年及2020年鄉(xiāng)村再生水利用量,輸出結(jié)果精度均較高,驗證了該方法的可行性及有效性,并對蘇州市2021年、2022年及2025年的鄉(xiāng)村再生水利用量進行了預(yù)測,分別為35478.53萬、39804.10萬、46404.85萬m3該方法適用于再生水利用發(fā)展較晚、利用量及其影響因素歷史數(shù)據(jù)少的鄉(xiāng)村,可為鄉(xiāng)村再生水利用量的評估以及完善再生水利用規(guī)劃提供參考依據(jù)。
“本文由上海皙全水處理設(shè)備網(wǎng)提供任何人和單位不得轉(zhuǎn)載盜用”。
- 上一篇：嘉興GMP純水設(shè)備解讀：水生態(tài)監(jiān)測主要監(jiān)測什么，有哪些監(jiān)測指 2023/5/11
- 下一篇：祝賀蘇州皙全純水設(shè)備有限公司年初八開工大吉 2018/2/23
