基于LSSVM与NSGA-Ⅱ的反硝化-Anammox工艺协同优化研究

段佩，张锋，崔宏志，杜妍

摘要：针对反硝化-Anammox工艺中整体脱氮除碳能力较低的问题，提出基于LSSVM与NSGA-Ⅱ构建废水脱氮除碳处理的多目标优化模型。利用基于LSSVM的软测量方法进行脱氮除碳结果的相关变量的预测，通过NSGA-Ⅱ算法求解反硝化-Anammox工艺的全局最佳进水条件的解集。经仿真实验证明，通过LSSVM预测的CODrem等相关变量与真实值的误差较小，基本满足预测需求。按照优化模型求解出的帕累托解集进行废水脱氮除碳处理，在NH3-N的去除率达到90.67%的同时，对TN、COD的去除率分别为80.21%、85.73%，氮、碳2种元素的整体去除率为85.54%，能够满足反硝化-Anammox工艺协同优化的需求。

关键词：LSSVM；NSGA-Ⅱ算法；厌氧氨氧化工艺；反硝化过程；协同优化

中图分类号：TQ340.9；X701

文献标志码：A文章编号：1001-5922（2023）12-0131-04

Research on collaborative optimization of denitrification-Anammox process based on LSSVM and NSGA-Ⅱ

DUAN Pei1，ZHANG Feng1，CUI Hongzhi1，DU Yan2

（1.Shangluo vocational and Technical College，Weinan 726000，Shaanxi China;

2.Shaanxi Provincial Environmental Investigation and Assessment Center，Xian  710061，China）

Abstract：To solve the problem of low overall nitrogen and carbon removal capacity in denitrification-Anammox process，a multi-objective optimization model for wastewater nitrogen and carbon removal was proposed based on LSSVM and NSGA-Ⅱ.The LSSVM-based soft measurement method was used to predict the relevant variables of the denitrification and carbon removal results，and the solution set of the global optimal influent conditions of the denitrification-Anammox process was solved by the NSGA-II algorithm.The simulation experiment showed that the error between CODrem and other related variables predicted by LSSVM and the real value was small，which basically met the prediction requirements.According to the Pareto solution set solved by the multi-objective optimization model，the wastewater was treated with nitrogen and carbon removal，the removal rate of NH3-N was 90.67%，while the removal rate of TN and COD was 80.21% and 85.73%，respectively.The overall removal rate of nitrogen and carbon was 85.54%，which could meet the requirements of collaborative optimization of denitrification-Anammox process.

Key words：LSSVM;NSGA-Ⅱ algorithm;anammox process;denitrification process;collaborative optimization

厭氧氨氧化（Anaerobic Ammonium Oxidation，Anammox）工艺是废水处理的重要工艺之一，该工艺能够有效除去废水中NO-3、NO-2、NH-3—N等氮元素污染物，且处理过程所需的能耗低、不存在二次污染等优势。而在严子春等的研究中证明，反硝化细菌会利用废水中的有机物夺取Anammox菌的无氧呼吸的原料NO-3、NO-2等离子，在一定程度上抑制脱氮过程，同时反硝化细菌的呼吸会产生CO2，在废水中的有机物含量较低时，这些CO2会作为无机碳原被Anammox菌利用，使其增殖富集能力得到提高。据研究可知，Anammox菌增殖富集能力的提升会提高其脱氮能力。因此，有学者提出反硝化-Anammox工艺，对脱氮的Anammox过程与除碳的协调反硝化过程进行协同优化，在有效去除废水氮元素污染物的同时，去除一定量的有机碳元素。基于此，有学者验证了不同氧当量（COD）浓度的脱氮除碳效果；在含有有机物的废水中加入木炭，能够有效提高废水总氮（TN）的去除率；培养出脱氮除甲烷的耦合颗粒污泥。结合文献～文献的研究，提出基于LSSVM与NSGA-Ⅱ构建多目标优化模型，以求解影响脱氮除碳过程的全局最佳进水条件的解集，进而实现对反硝化-Anammox工艺的协同优化。

1基于LSSVM与NSGA-Ⅱ的反硝化-Anammox工艺协同优化模型

考虑到废水进水条件会影响反硝化-Anammox工艺脱氮除碳2个过程，且2个过程存在耦合与竞争的关系，无法准确用数学模型进行描述，但其影响因素和其过程结果存在相对复杂的非线性关系，可通过软测量的方式进行结果的相关变量的预测。经多方考虑，选择以有机物的氧当量（COD）去除值（CODrem）来反映反硝化过程的结果，以NH3-N的去除质量浓度（CN，rem）、总氮（TN）去除质量浓度（CTN，rem）来反映反硝化过程的结果，并基于最小二乘支持向量机（LSSVM）的软测量方法构建水质预测模型，以实现对上述结果的预测。最后通过非支配遗传算法（NSGA-Ⅱ）求解废水进水的最佳条件，实现对反硝化-Anammox工艺协同优化。

1.1基于LSSVM的水质预测模型

在基于LSSVM的水质预测模型，将影响反硝化-Anammox工艺脱氮除碳过程的可调节的各个废水进水条件（以下简称进水条件）看作基于LSSVM的软测量模型中的已知变量，将CODrem、CN，rem、CTN，rem数值看作预测变量，构建的LSSVM的软测量模型，其构建过程；首先采集各个影响因素在不同取值下的相关数据信息，并标注其对应的CODrem、CN，rem、CTN，rem数值，得到多个带标签的样本；然后在MATLAB2016a环境下，对LSSVM进行编程，并抽多个样本对LSSVM进行训练，即完成水质预测模型的构建；最后还可通过剩下的样本进行模型测试，以确定模型的性能。

1.2 基于NSGA-Ⅱ的多目标优化模型

（1）根据多目标求解问题的影响因素确定初始种群的数量N，并初始化种群，设定种群中每个个体的距离为0，初始拥挤度为1。

（2）根据预测变量，确定多目标优化目标函数和约束条件。在反硝化-Anammox工艺的协同优化问题中，其目标函数

（fm）可表示为：

fm=f1（CN，rem）=sim（model1，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CCOD，rem）=sim（model2，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）f1（CTN，rem）=sim（model3，［CNH+4-N，in，CNO-2-N，in，CCOD，in，pHin］）（1）

式中：［］里的内容为各个进水条件；model表示预测模型；CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin分別表示废水进水处的NH3-N质量浓度、NO2-质量浓度、COD含量、pH值。

约束条件C为：

C： 0CNH+4-N，in3200CNO-2-N，in4200CCOD，in12107.3PHin7.8（2）

（3）求解种群中每个个体的非支配解，再对这些解进行排序，最后计算每个个体的拥挤度。

在废水脱氮除碳处理的多目标优化问题中，目标函数边缘上的个体di的拥挤度为：

I（di）=

SymboleB@

（3）

式中：I表示个体拥挤度。

其余个体的dk的拥挤度为：

I′（dk）=I（dk）+I（dk+1）-I（dk-1）fm，max-fm，min（4）

式中：I′表示迭代更新后的拥挤度；k表示该个体在迭代前的排序序号；fm，max、fm，min分别表示非支配解fm的最大、最小值。

（4）为使所得最优解跳出局部最优的困境，采用模拟二进制交叉和多项式变异的举措进行种群个体的基因重组。

（5）合并基因重组前后的所有个体，组成新的种群，再次执行“（3）～（4）”，达到设定的最大迭代次数后，输出各个群众的全局最佳支配解组成的集合，完成对多目标优化问题的求解。

2实验验证

2.1实验条件及相关参数设置

选择在实验室环境下采用UASB反应器执行反硝化-Anammox工艺，在调节影响因素的取值后连续运行107 d，记录相关影响因素的取值和脱氮除碳结果的相关变量的信息。经过多次实验，共获得140组样本。选择在MATLAB中进行算法编程和算法仿真实验。设置LSSVM的核宽度为（0，100）、惩罚因子为（0，1 000）。设置NSGA-Ⅱ算法的相关参数，结果如表1所示。

2.2基于LSSVM的水质预测模型性能验证

选择通过网格搜索法和10倍交叉验证方法选取LSSVM的惩罚因子（γ）和径向基核函数的核宽度（σ2）的最佳取值。经实验，确定CODrem、CN，rem、CTN，rem3个预测模型的γ最佳取值分别为142.527、42.357、33.246;σ2最佳取值分别为1.376、0.167、0.425。

在进行基于LSSVM的水质预测模型性能验证实验时，随机抽取100组组成训练集，其余样本组成测试集，经仿真实验，获得基于LSSVM的水质预测模型的CODrem、CN，rem、CTN，rem3个预测模型的训练与测试结果如图1所示。

由图1可知，前120组样本为模型训练结果，后20组样本为模型测试结果；结合图1，经统计学分析和计算，获得水质预测模型的预测性能结果，具体如表2所示。

由图3、表2可知，基于LSSVM的软测量方法，在训练过程中即具有较高的预测准确度，经训练后，基于LSSVM的水质预测模型对CODrem、CN，rem、CTN，rem3种变量都具有较好的预测准确度，其均方根误差在26以下，最小的相对百分误差绝对值的平均值在0.17以下，相关系数最高可达到0.996 9。因此，基于LSSVM的水质预测模型对CODrem、CN，rem、CTN，rem3种变量具有较高的预测准确度，基本能够满足水质预测需求。

2.3基于LSSVM与NSGA-Ⅱ的废水脱氮除碳处理多目标优化实验

在该实验中，将140组样本全部作为训练样本，以保证求解出的影响因素解集的全局最优属性。选择将CNH+4-N，in、CNO-2-N，in、CCOD，in、pHin作为输入变量，经500迭代，获得共65组帕累托解集，对应的CODrem、CN，rem、CTN，rem3种变量的关系图如图2所示;3种变量局部和全局去除率最高的累托解集如表3所示。

由图2可知，在废水脱氮除碳处理的帕累托解集中，CNH+4-N，in的取值在270、420 mg/L的2条线附近；CNO-2-N，in的取值大致位于210 ～290 mg/L；CCOD，in取值在300 mg/L附近，pHin无集中分布的取值。

在表3的4组解集中，CNO-2-N，in的变化对CODrem、CN，rem、CTN，rem3种变量的影响不明显；随着CCOD，in，CODrem增加，CN，rem先降低后回升，CTN，rem在不断下降，证明厌氧氨氧化过程与反硝化过程存在协同关系。

在实际废水处理中，往往需要NH3-N的去除率较高，即CN，rem/CNH+4-N，in的比值最大。结合表3可知，CCOD，in/CNH+4-N，in、CCOD，in/CNH+4-N，in2个比值的减小及CNH+4-N，in/CNO-2-N，in比值的增大，都能够有效提升CN，rem/CNH+4-N，in的比值。通过对65组帕累托解集的分析可知，表3中的第4组解集的CN，rem/CNH+4-N，in的比值最大，在该废水进水条件下，NH3-N、TN、COD的去除率分别为90.67%、80.21%、85.73%，氮元素和有机碳元素的整体去除率为85.54%，具有较高的脱氮除碳能力。

3结语

研究将LSSVM用于废水脱氮除碳处理后的CODrem、CN，rem、CTN，rem等变量的预测，并将NSGA-Ⅱ算法用于废水脱氮除碳处理中厌氧氨氧化过程与反硝化过程的协同优化求解。经仿真实验可知，基于LSSVM的软测量方法能够实现对CODrem等变量的准确预测，且预测精度都高于98%，按照NSGA-Ⅱ算法求解出的某个帕累托解集进行废水脱氮除碳实验，能够除去废水中大量的NH3-N、TN和COD。因此，通过基于LSSVM与NSGA-Ⅱ的废水脱氮除碳处理多目标优化模型求解废水进水的最佳条件，具有一定的研究价值。

【参考文献】

[1]严子春，唐瑞祥，吴大冰.有机物对厌氧氨氧化生物膜反应器脱氮效能及微生物群落的影响.环境科学学报，2021，41（4）：1303-1308.

[2]吴珊，王淑雅，王芬，等.温度对ANAMMOX生物膜工艺的脱氮影响与菌群结构分析.环境科学，2022，43（1）：416-423.

[4]常尧枫，郭萌蕾，谢军祥，等.厌氧氨氧化脱氮除碳功能菌群结构及代谢途径.中国环境科学，2022，42（3）：1138-1145.

[5]刘春爽，李伟，于海彤，等.反硝化厌氧甲烷氧化与厌氧氨氧化耦合颗粒污泥脱氮效能.中国石油大学学报（自然科学版），2022，46（1）：177-182.

[6]靳翱玮，廖方新，孙远博，等.序批式运行Anammox颗粒污泥的有机碳源胁迫效应.中国给水排水，2022，38（3）：14-20.

[7]陈重军，曹茜斐，邹馨怡，等.厌氧氨氧化颗粒污泥EPS的作用、成分及影响因素研究进展.环境工程学报，2022，16（2）：381-389.

[8]杜睿，彭永臻.城市污水生物脱氮技术变革：厌氧氨氧化的研究与实践新进展.中国科学：技术科学，2022，52（3）：389-402.

[9]王振毅，李欣宇，赵大密，等.厌氧氨氧化耦合反硝化技術反应机理及其影响因素研究进展.煤炭与化工，2021，44（5）：120-124.

[10]赵杰俊，刘祖文，蔡晓媛，等.短程硝化-厌氧氨氧化工艺控制方法与机理分析.工业水处理，2021（4）：36-43.

[11]吴莉娜，王春艳，闫志斌，等.短程反硝化-厌氧氨氧化在废水中的应用进展.科学技术与工程，2022，22（10）：3859-3867.

[12]梁金禄.高含硫气田集输管线内腐蚀预测研究 .粘接，2020，41 （2）：138-141.

[13]张锦涛.混合智能算法在废水处理过程多目标优化的研究.广州：华南理工大学，2020.

[14]吴涛.基于特征提取和半监督学习的图像分类算法.粘接，2021，48 （11）：92-97.

[15]张秋莹，李亮，边笛.有机物对ANAMMOX反应影响的研究进展.环境工程，2022，40（1）：190-195.