Trước khi đi vào tìm hiểu trạm xử lý nước thải cụ thể, ta sẽ trình bày những bước chung nhất của quá trình ứng dụng mạng nơron để dự báo đầu ra trạm xử lý nước thải sẽ phải khảo sát các phần sau:
Giới thiệu hệ thống xử lý nước thải
Thu thập số liệu
Xử lý số liệu
- Tổ chức dữ liệu:
Dữ liệu đầu vào và đầu ra sau khi đã thu thập được sẽ tổ chức dưới dạng 1x3cell như sau:
Inputs = {ix1 cell} [i x a double] [i x b double] Outputs = {kx1 cell} [k x a double] [k x b double] Trong đó:
Cell thứ nhất chứa tên thông số đầu vào, đầu ra: i là thông số đầu vào còn k
Cell thứ hai chứa dữ liệu dùng để luyện mạng, gồm một ma trận [i x a] phần tử, với a là số mẫu quan sát dùng để luyện mạng.
Cell thứ ba chứa dữ liệu dùng để kiểm chứng mạng, gồm một ma trận [i x b]
phần tử, với b là số mẫu quan sát dùng để kiểm chứng mạng.
Tổng số mẫu quan sát được là: a + b
- Luyện và mô phỏng mạng.
Cấu trúc mạng nơron được sử dụng trong luận văn này như sau:
Hình 5.7 Sơ đồ mạng nơron 3 lớp
Trong đó:
I, J, K ký hiệu cho 3 lớp nhập, ần và xuất đồng thời là số nơron của lớp đó.
X, Y, Z là các véctơ giá trị đầu vào, kết xuất của nút ẩn và kết xuất của nút
nhập.
xi, yi, zk lần lượt là các kết xuất của các nơron i, j, k trong các lớp I, J, K.
aij chỉ trọng số giữa lớp nhập và lớp ẩn, khi i=0 nó trở thành trọng ngưỡng.
bjk chỉ trọng số giữa lớp ẩn và lớp xuất, khi j=0 nó trở thành trọng ngưỡng.
Giá trị đầu vào của nút ẩn j được tính như sau:
I i i ij j j a a x u 1 0 (5.2)
Kết xuất của nút j được tính: yj g(uj) với g là hàm truyền. Khi hàm truyền là hàm logistic:
) exp( 1 1 ) ( i j j u u g y (5.3)
Giá trị đầu vào của nút xuất k được tính như sau:
I j j jk k k b a x v 1 0 (5.4)
Kết xuất của nút k được tính: zk g(vk) với g là hàm truyền. Khi hàm truyền là hàm logistic:
) exp( 1 1 ) ( k k k v v g z (5.5)
Khi hàm truyền là tuyến tính:zk g(vk)vk (5.6)
Đây là cấu trúc của một mạng nơron kinh điển nhất bao gồm: một lớp nhập, một lớp xuất và một lớp ẩn. Trong đó, số nút lớp nhập đươc xác đinh bằng số thông số đầu vào, số nút lớp xuất được xác định bằng số thông số đầu rạ
Tiêu chí luyện và mô phỏng mạng: Trong luận văn này, tác giả sử dụng hai tiêu chí sau để đánh giá quá trình luyện và mô phỏng mạng, tìm kiếm cấu trúc tối ưu của mạng phù hợp với dữ liệu đã chọ
Sai số MAE (Mean Absoluted Errors): Sai số tuyệt đối trung bình, được tính toán như sau:
n T e MEA n t i i 1 (5.7) Trong đó:
ei là sai số dự báo của quan sát thứ i Ti là giá trị thực tế của quan sát thứ i n là số quan sát.
Sai số RMSE (Root Mean Squared Errors): Sai số bình phương trung bình gốc, được tính toán như sau:
n e RMSE n i i 1 2 (5.8) Trong đó:
ei là sai số dự báo của quan sát thứ i n là số quan sát.
Trong cả hai trường hợp ei = Pi – Ti, với Pi là giá trị dự báo quan sát thứ ị Quá trình luyện mạng được chia thành hai bước: Phần luyện mạng đối với dữ liệu được huấn luyện và phần mô phỏng (kiểm chứng mạng) đối với phần dữ liệu dành cho kiểm chứng mạng. Cứ mỗi lần thay đổi số nút lớp ẩn, ta lại tiến hành cả hai bước, ghi nhận các giá trị sai số. Từ đó có thể chọn được cấu trúc mạng tối ưu cho tập dữ liệu đã chọ
- Tối ưu hóa mạng.
Trong quá trình luyện mạng, mỗi lần tiến hành luyện mạng nơron sẽ cho những kết quả khác nhau, cho dù có cùng cấu trúc mạng. Vì mỗi lần tạo mạng nơron, mạng sẽ được khởi tạo những trọng số ban đầu khác nhaụ
Nhiệm vụ đặt ra cho quá trình luyện và mô phỏng mạng là lựa chọn được cấu trúc tốt nhất để cho sai số dự báo là nhỏ nhất. Do đó, ta phải lần lượt tăng dần số nút ẩn và tiến hành các bước tạo mạng, luyện mạng và mô phỏng mạng sau đó khảo sát sai số. Mạng có sai số thấp nhất là mạng phù hợp với bộ dữ liệu đã có.
5.5.2. Trạm xử lý nƣớc thải Công ty TNHH NatSteel Vina Thái Nguyên
5.5.2.1. Giới thiệu trạm xử lý nƣớc thải
Công ty TNHH NatSteel Vina đóng trên địa bàn Phường Cam Giá, TP Thái Nguyên. Là đơn vị sản xuất thép xây dựng. Hiện tại, công ty có một lò nung 35 tấn,
một dàn cán thô, một dàn cán trung, một dàn cán cuộn, một dàn cán cây, một máy cuốn, hệ thống làm mát cùng hệ thống xử lý nước thảị
Hệ thống xử lý nước thải tại công ty này 917.303 m3/tháng. Bao gồm các công đoạn: bể thu gom, bể sục khí sinh học, bể lắng sinh học, bể keo tụ tạo bông, bể lắng.
Hình 5.8 Sơ đồ công nghệ hệ thống xử lý nước thải
5.5.2.2. Thu thập số liệu
Số liệu thu thập ở các vị trí đầu vào và đầu ra của hệ thống xử lý nước thải với những đặc trưng như saụ
Thông số đầu vào: Độ pH, nhu cầu oxy sinh hóa BOD, nhu cầu oxy hóa
học COD và lượng oxy hòa tan DỌ
Thông số đầu ra: DO
Số mẫu quan sát: 155
Số liệu được trình bày ở phụ lục: bảng 5.2 và 5.3.
5.5.2.3. Xử lý số liệu
Tổ chức dữ liệu:
Dữ liệu sau khi thu thập được tổ chức dưới dạng 1x3 cell như sau: NSVinaip = {4x1 cell} [4x115 double] [4x40 double]
Dữ liệu đầu vào: gồm có 4 thông số: pH, BOD, COD và DỌ Dữ liệu được chia là hai tập: tập để huấn luyện là một ma trận [4 x 115] và tập để kiểm chứng là một ma trận [4 x 40].
Dữ liệu đầu ra: là DỌ Dữ liệu được chua làm hai tập: tập để luyện mạng là một ma trận [1 x 115] và tập để kiểm chứng mạng là một ma trận [1 x 40].
5.5.2.4. Luyện và mô phỏng
Từ đồ thị trên ta thấy rằng với số lần lặp từ 13 trở đi sai số trong quá trình luyện mạng và kiểm chứng mạng sẽ ổn định. Do đó ta chọn số lần lặp là 18 để tiến hành tối ưu hóa mạng với tập dữ liệu nàỵ Kết quả thu được khi tối ưu mạng từ 1 đến 31 nút ẩn, số lần lặp là 18.
Quá trình luyện mạng:
Quá trình kiểm chứng mạng:
Hình 5.11. Tối ưu hóa quá trình kiểm chứng mạng nhà máy NatSteel Vina
Qua phân tích đồ thị ta nhận thấy mạng có 15 nút ẩn có kết quả tốt nhất. Kết quả chi tiết của mạng 15 nút ẩn như sau:
Quá trình luyện mạng.
Hình 5.12. Quá trình luyện mạng của “LM 15Trained” nhà máy NatSteel Vina
Quá trình kiểm chứng mạng.
Hình 5.13. Quá trình kiểm chứng mạng của “LM 15Sim” nhà máy NatSteel Vinạ
5.6. MỘT SỐ VẤN ĐỀ VỀ TỰ ĐỘNG HOÁ XỬ LÝ NƢỚC THẢI 5.6.1. Mục đích áp dụng tự động hoá xử lý nƣớc thải
Cải thiện điều kiện làm việc: Mục đích đầu tiên của tự động hoá là phải loại bỏ công việc lặp lại và khó nhọc cho việc vận hành, ví dụ: liên tục theo dõi, kiểm tra nhiều thông số công nghệ, tắt bật cơ cấu chấp hành, ghi chép số liệu, sự cố,...Tự động hoá và giám sát bằng máy tính làm tiện lợi thêm khả năng khống chế từ xa một số lượng lớn các thông tin, đơn giản hoá nhiệm vụ khai thác, giám sát và quản lý.
Nâng cao hiệu quả của thiết bị: Trước hết ta có thể cải thiện chất lượng xử lý nước bằng các thiết bị đo và điều chỉnh. Ví dụ như định lượng chất phản ứng, mức độ ô xy hoá, kiểm tra nhiệt độ các bể phản ứng…Tự động hoá quá trình cho phép giải phóng con người và làm tăng tốc độ tin cậy của hệ thống. Nhưng mục tiêu quan trọng là nâng cao độ chắc chắn vận hành của thiết bị có tính đến các tiêu chuẩn độ tin cậy qua việc nghiên cứu các sự cố vận hành. Nghĩa là dự phòng các phương án để thiết bị có thể làm việc liên tục trong trường hợp bị hỏng hóc một bộ phận nào đó bằng cách đưa tự động các thiết bị dự phòng vào làm việc và giải quyết hỏng hóc. Tự động hoá cho phép việc nghiên cứu thống kê các dữ liệu đã thu được, mở ra con đường tối ưu của việc xử lý.
Tăng năng suất lao động: Tự động hoá nhằm nâng cao năng suất bằng cách giảm chi phí vận hành. Ta cũng có thể tối ưu hoá giá thành năng lượng chi phí hàng giờ và chi phí vật liệụ Giảm nhân công vận hành và giảm công việc bảo dưỡng cũng cho phép giảm giá thành.
Trợ giúp việc giám sát: Nó bao gồm việc lắp đặt bộ biến đổi, phát hiện báo động, đặt các phương tiện ghi các dữ liệu và truyền đi xa cho đến nơi giám sát bằng máy tính. Tự động hoá không có mục đích riêng, mức độ phức tạp của thiết bị phải đáp ứng điều kiện của nhà máy và đối tượng xử lý. Tự động hoá chỉ xem như một bộ trợ giúp, không ép buộc. Một trong những hậu quả của một hệ thống tự động không chắc chắn là khi “mất nhớ” nó không tiếp xúc trực tiếp được với quá trình
công nghệ được nữạ Tuy nhiên những ưu điểm của nó quá rõ ràng nếu thiết bị được một chuyên gia về xử lý nước thải thiết kế và vận hành thực hiện.
5.6.2. Yêu cầu và cơ sở xây dựng hệ thống tự động hoá
Hệ thống tự động hoá có thể chia làm hai phần: hệ thống thông tin và hệ thống điều khiển. Hệ thống thông tin có nhiệm vụ thực hiện các chức năng thông tin. Các chức năng này cho phép giám sát quá trình công nghệ: cụ thể là thu thập, bảo quản, thống kê và ghi lại các thông tin đã diễn ra của quá trình điều khiển, cần cho dự báo trước các tình huống sự cố hay thông tin về sự thay đổi yêu cầu đặt trước của quá trình[4].
Hệ thống điều khiển dùng để tạo ra và thực hiện các tác động điều khiển dựa trên các nguyên lý điều khiển các đại lượng phụ thuộc của quá trình công nghệ; thực hiện điều khiển tối ưu; bằng các phương tiện tự động thực hiện các thao tác logic và theo chương trình đối với các phần tử phân tán (điều khiển phân tán các cơ cấu chấp hành, các liên động sự cố, khởi động và dừng hệ thống máỵ..).
Đối với mỗi hệ thống tự động điều khiển quá trình công nghệ không nhất thiết phải thực hiện tất cả các chức năng kể trên. Một số các chức năng không thích hợp với đối tượng công nghệ này lại có thể thích hợp với đối tượng công nghệ trong hệ thống điều khiển ở mức cao hơn. Hệ thống tự động điều khiển quá trình công nghệ thực chất là điều khiển tập trung quá trình đó nhờ các phương tiện kỹ thuật điều khiển tự động.
Vấn đề đo lường từ xa các thông số của hệ thống công nghệ là rất quan trọng. Các thông số cần đo có thể kể đến như: mực nước trong các bể chứa, trong các buồng đầu vào công trình, lưu lượng, các chỉ số chất lượng nước như pH, T, DO,.... Các thiết bị cho tín hiệu từ xa giúp người điều khiển nhìn nhận được toàn cảnh về trạng thái làm việc của các thiết bị.
Lƣu đồ điều chỉnh DO trong Bể hiếu khí
Lưu đồ điều chỉnh DO được hiển thị trên (Hình 5.14) Thiết bị đo DO sẽ đưa giá trị phản hồi cho vòng điều khiển kín trong chương trình điều khiển. Chương
trình sẽ đưa ra tín hiệu điều khiển (dòng hoặc áp) cho biến tần cho động cơ của máy thổi khí để có DO như mong muốn.
Hình 5.14. Lưu đồ điều chỉnh DO
Khả năng áp dụng tự động hóa nhà máy xử lý nƣớc thải
Tại nhiều quốc gia có nền công nghiệp phát triển cao (Mỹ, Nhật, Đức, Anh, Pháp,...), các hệ thống xử lý nước thải công nghiệp đã được nghiên cứu và đưa vào ứng dụng từ lâụ Nhiều hãng hàng đầu trong lĩnh vực này như USFilter, Aquatec Maxcon, Hunter Water Corporation(HWC), Global Industries.Inc...đã đưa ra các giải pháp công nghệ tiên tiến xử lý nước thảị Đặc biệt, trong lĩnh vực điều khiển đã có rất nhiều các lý thuyết điều khiển hiện đại được áp dụng như điều khiển mờ, mạng nơron, điều khiển dự báo trước (predicted control), điều khiển lai ghép (hybrid control),...được ứng dụng trong xử lý nước thải để nâng cao chất lượng điều
khiển và hiệu suất của các công đoạn xử lý. Lý thuyết hệ chuyên gia cũng được áp dụng mở ra khả năng tự động hoá hoàn toàn cho xử lý nước thải[9]. Hầu hết các công nghệ hiện đại ngày nay đều được tự động hoá cao, nhờ đó đảm bảo năng suất, chất lượng, hiệu quả như mong muốn.
Tại Việt Nam đã có những nhà máy xử lý nước thải hiện đại, sử dụng hoàn toàn hoặc phần lớn các công nghệ của nước ngoài do đó mức độ tự động hoá cao, tuy nhiên giá thành đắt, nhiều công nghệ không mang tính mở nên khó làm chủ hoàn toàn, chi phí nâng cấp, bảo trì rất lớn.
Thảo luận.
Từ kết quả mô phỏng đạt được khá khả quan, mạng nơron có thể dự báo
đầu ra của một hệ thống xử lý nước thải trong quá trình kiểm chứng mạng với mức độ sai số chấp nhận được. MAE = 0.0747933 và RMSE = 0.0333335.
Kết quả chương trình dự báo chất lượng nước đầu ra có thể sử dụng cho
các mục đích sau:
Về mặt lý thuyết:
- Kết quả nghiên cứu của đề tài sẽ góp phần bổ sung phương pháp giải quyết cũng như cách tiếp cận bài toán mô hình hóa và điều khiển hệ phức hợp.
- Một mạng nơron đã được huấn luyện với cơ sở dữ liệu hoàn chỉnh sẽ là một công cụ rất tốt cho công tác nghiên cứụ Bản thân mạng đã chứa đựng những thông tin về quá trình mà nó “học” được nên ta có thể sử dụng để khảo sát mỗi liên hệ giữa đầu vào và đầu ra của bài toán dự báo dữ liệu điều này góp phần hoàn thiện hơn các lý thuyết của quá trình dự báo dữ liệụ
Về mặt thực tiễn:
- Có thể thiết kế hệ thống tự động hóa xử lý nước thải dựa trên kết quả dự báo chất lượng nước đầu rạ Sử dụng công cụ này thành công sẽ giảm bớt chi phí rất đáng kể.
- Hỗ trợ quyết định hoặc hệ chuyên gia: Số lượng thông số chất lượng nước cần đảm bảo đạt TCVN là vài chục (TCVN 5945:2009 có khoảng 30), tuy
không cho phép đo tức thời được tất cả các thông số cần cho hệ thống điều khiển. Chỉ một vài thông số như pH, T, DO, Turbidity, NO3,...được đo và điều khiển tự động, các thông số khác phải dùng máy phân tích, có thông số đòi hỏi thời gian phân tích lâu như BOD5 cần tới 5 ngàỵ Mặt khác chất lượng nước đầu vào nói chung là không ổn định, phụ thuộc vào thời gian, thời tiết, vào hoạt động của nhà máy do đó cần hiệu chỉnh lại tham số công nghệ là cần thiết. Chính vì vậy kết quả dự báo sẽ đưa ra các bộ tham số có tính chất gợi ý cho người vận hành khi điều chỉnh (điều chỉnh xung quanh giá trị gợi ý), đồng thời nếu kết quả dự báo các bộ tham số điều chỉnh đem đến chất lượng nước đầu ra đạt yêu cầu thì người vận hành